考虑到背景杂波图像结构无规则且复杂, 目标图像结构规则且简单, 两者之间的结构差异为杂波度量提供了有效途径, 提出一种基于图像结构复杂度的背景杂波表征方法。首先, 方向梯度直方图能有效表征图像结构信息, 利用图像局部区域方向梯度分布熵表征对应区域的结构复杂度; 其次, 考虑到人眼视觉系统对图像对比度敏感, 分别在图像方向梯度分布熵空间和对比度空间中度量背景杂波与目标之间的差异,采用标准方差加权求和的方式对背景杂波建模; 最后, 推导了背景杂波与目标获取性能之间的关系, 建立了光电成像系统目标获取性能评估模型。利用公开数据集对模型进行了验证, 实验结果表明, 所提方法所评估的目标获取性能与实际主观目标获取性能具有较高的一致性, 而且在均方根误差(RMSE)、相关性方面优于现有的杂波度量方法。

针对传统跟踪算法受背景杂波与不同目标类型混淆影响较大的问题，提出了一种利用N型序贯蒙特卡罗PHD(SMC-PHD)滤波的多目标跟踪。基于随机有限集理论提出一种新的扩展概率假设密度(PHD)滤波器模型，即N型PHD滤波，从概率生成函数中导出更新的PHD;利用序贯蒙特卡罗(SMC)方法产生随机样本，结合N型PHD滤波，提出N型SMC-PHD滤波算法，以减少不同目标类型的混淆检测;利用量测驱动的SMC-PHD滤波器，通过门控方法对量测的属性进行区分，从而抑制杂波对已有目标跟踪的影响。基于MATALB仿真平台，在MOT17以及VS-PETS’2003足球视频数据集中对所提算法进行实验论证，结果表明，所提方法的平均最优子模式分配(OSPA)距离显著降低，且在高杂波、目标类型较多的情形下具有较高的可靠性。

基于红外成像系统作用距离估算最小可分辨温差（MRTD）方法建立了红外偏振成像系统作用距离模型, 分析了背景杂波影响下红外偏振成像系统作用距离。通过仿真发现, 红外偏振成像系统作用距离是由目标/背景红外偏振特性、大气传输过程和观察方式等众多因素共同决定的, 背景杂乱程度大幅影响红外偏振成像系统作用距离, 偏振成像模式与强度成像模式依据应用条件的不同具有不同的优势。

以往的背景杂波度量存在取固定经验性的权重值或忽略人眼视觉响应(HVS)等问题，无法准确度量背景杂波。提出一种新的杂波度量方法，这种方法引入最佳响应阈值模拟人眼对杂波响应的适应性，并利用该阈值研究背景的相似性对目标获取性能的影响，进而完成对杂波的度量。利用Search_2数据库验证该杂波度量方法的合理性。实验结果表明，基于该度量的目标获取性能预测与主观数据一致。目标探测概率的均方根误差为0.0835，相关系数分别为0.7124和0.7444；目标虚警概率的均方根误差为0.0691，相关系数分别为0.7874和0.6753；目标搜索时间的均方根误差为3.2321，相关系数分别为0.7630和0.7710。

为提高图像背景杂波度量法对目标获取性能的预测精度，本文基于人眼视觉对物体边缘敏感的视觉特性，将区域梯度分布作为新的结构特征，提出了引入梯度分布特征的图像背景杂波度量法。首先，采用梯度方向直方图表征目标结构特征，选用巴氏系数度量图像目标和背景杂波在两个梯度方向直方图的相似性 ；然后，将基于图像结构相似性度量方法得到的结构相似性信息进行加权；最后采用D.L.Wilson提出的目标获取性能模型作为目标探测概率、虚警概率和搜索时间的预测模型对Search_2 数据库中的目标进行了获取性能预测。结果显示，提出的图像杂波度量法提高了目标获取性能模型的预测精度，得到的线性相关系数分别为0.870、0.845、0.897，均方根误差分别为0.0569、0.0469、2.129，与实际观察者获得的一致性较高，且没有明显的野点，预测性能明显优于现有其他杂波度量方法。

以目标成像点的扩散理论为基础，建立小目标在空域上的灰度特性模型，分析目标、背景和噪声的基本特性。由形态学开闭运算得到各像素位置的灰度变化值，再根据此值确定潜在目标区域。研究了各潜在目标区域的多方向多级梯度特征，实现了单帧图像的小目标检测。研究结果表明，该方法能够有效抑制不均匀背景杂波，增强目标信号，提高单帧亮暗点目标的检测能力。对于信噪比为0.89的图像，可获得34.74的信噪比增益。

分析了背景杂波对红外小目标检测的影响，研究了一种针对红外小目标图像的背景杂波定量描述方法。提出了背景杂波定量描述方法需要满足的三个条件：与主观判断的结果一致、对于不同的红外图像具有适应性和能够辅助改进目标检测算法。综合考虑了目标与背景的特征，融合了4种特征，提出了一种新的红外背景杂波量化方法。首先采用支持向量机对背景杂波强度进行分类，然后对每类图像分别采用层次分析法计算各特征的权重，从而实现杂波强度的量化。设计了与传统方法的对比实验，实验结果表明该方法是一种有效的背景杂波强度量化方法。

为了合理量化光电图像的背景杂波，针对采集的测试图像，用边缘概率尺度、统计方差尺度和相位相关尺度等三种背景杂波尺度进行了计算。以目标获取性能统计结果为基础，对这三种尺度的性能进行了验证。研究结果表明边缘概率尺度性能比较稳定；统计方差尺度的性能受图像中灰度起伏的影响比较大，对于背景的统计方差均值与目标的显著性不一致的场景，不适于用该尺度进行杂波量化；而相位相关尺度的性能受均匀背景的影响比较大，更适用于整幅图像所含信息量比较大的情况。

针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.