针对传统红外目标检测算法易受目标和背景先验样本质量、目标姿态和视角及噪声等的影响, 提出了一种新的基于稀疏编码的数据驱动二次相关滤波器目标检测算法, 其中给出了目标自相关矩阵基字典的概念, 该数据驱动滤波器模型能包容多种姿态和视角的目标, 并能抑制噪声和样本质量的影响, 同时可以舍弃对无规律背景样本的依赖, 通过对行人和车辆的实验验证了该算法的有效性．所提算法的设计思想对诸多滤波器算法的改进具有很好的借鉴意义．

Rayleigh商二次相关滤波器(RQQCF)是一种重要的目标检测方法, 但其直接对原始图像数据进行操作, 目标检测效果不总是很理想. 核方法可以描述图像的高阶统计特性, 有效抑制噪声及杂波, 提高目标检测效果.将Rayleigh商二次相关滤波器映射到高维核特征空间, 完整推导核Rayleigh商二次相关滤波器(KRQQCF), 提出用核特征提取方法解决其实现问题, 并将算法用到红外目标检测中. 实验中以核主成分分析(KPCA)特征提取方法为例, 用真实场景下采集的红外数据对KRQQCF的性能进行检验, 结果表明KRQQCF的性能明显高于RQQCF, 该方法能实现对红外目标的准确检测, 是一种有效的红外目标检测方法.

因浅层地下目标的存在引起地表红外图像随时间变化，通过多时相红外图像探测了地下目标.针对部分红外图像中的曝光噪声等干扰会造成多时相红外图像自动选取的困难，提出了基于核小成分分析的多时相去噪方法，自动获得效果良好的图像；然后采用基于空间和时相变化信息约束的多时相模糊核聚类算法对去噪后的多时相红外图像进行分类，其中引入了时相信息指数，对时相权重因子进行修正；最后由分类结果给出符合逻辑的地下目标的位置及大致种类数，并由地下目标的红外成像机理初步给出地下目标的大体物理性质，为利用热红外图像探测地下目标提供了一些有意义的研究.

提出了一种基于张量的平稳小波变换红外图像去噪方法。采用平稳小波对噪声红外图像进行分解, 保持低频近似图像不变, 将所有尺度上的水平、垂直和对角方向的高频细节图像组合为一个立方体, 形成三阶张量, 通过多线性代数方法估计信号小波系数, 这种处理方式没有破坏小波系数之间的固有空间关系, 同时考虑到了尺度间和尺度内小波系数的相关性, 优于传统的基于线性最小均方误差的信号小波系数估计算法, 最后由低频近似图像与估计的高频细节图像通过平稳小波逆变换得到去噪图像。实验结果表明, 该方法在性能指标和视觉质量上优于传统的平稳小波域最小均方误差去噪算法, 为小波系数的较准确估计提供了一种全新思路。