针对遥感卫星和高空无人机在海上航拍的可见光遥感图像中黑极性舰船目标检出率低的问题，提出了一种基于暗原色先验和恒虚警率原理的舰船目标检测方法。这种方法先对目标图像进行预处理，得到其暗原色图(DarkChannelImage，DCI)；再将 DCI作为二维恒虚警(2-DCFAR)检测法的输入，以局部统计灰度均值和方差作为目标检测特征，通过选择合适的目标判定阈值及目标空间分布信息完成疑似目标定位；疑似目标集合可以有效地被舰船目标特征矢量进行检验，根据得到的结果判定虚警是否去除，最后得到最终目标检测结果。实验结果表明，该方法对于可见光遥感图像中的舰船目标有较为准确的检测效果，总检出率可达 96.07%，并且对人眼视觉不易判别的黑极性目标有着类似“放大镜”的作用，对黑极性舰船目标的检出率可达 86.71%，较大地提高了可见光遥感图像中黑极性舰船目标的检出率，对优化黑极性目标检测方法创新有一定的指导意义，也为暗原色先验原理的应用提供了新思路。

光时域反射仪(OTDR)测试中，系统链路噪声严重影响测试准确度，尤其是对于0.05~0.2 dB熔接损耗的准确检测，需要提高测试曲线的信噪比。根据OTDR波形特点，在小波阈值去噪的基础上提出一种改进的小波去噪方法,改进阈值利用对数函数的非线性并引入噪声方差，更利于滤除噪声；改进阈值判断函数留下原始数据细节并滤除噪声，且不改变反射事件和非反射事件的波形属性。实际测试表明：测试曲线相对信噪比提升了10 dB以上，去噪后配以曲线平滑滤波和恒虚警(CFAR)检测，准确检测出熔接事件。

雷达目标检测器是雷达接收机中的重要组成部分,目标检测的目的是在恒虚警概率的约束下,最大化提升目标的检测效率。针对车载毫米波雷达目标检测过程中传统单元平均恒虚警率(CA-CFAR)在相邻多目标条件下往往会出现遮蔽的情况,改进了一种新的一维CA-CFAR检测算法。首先,对左右参考单元做等分处理,求出等分后各个子参考单元的平均值。然后,将子参考单元的平均值与参考单元的平均值进行比较。最后,对大于参考单元的平均值进行处理,得到新的检测门限。仿真和实验结果表明,改进CA-CFAR算法相比于传统CA-CFAR在线性调频连续波雷达多目标检测上具有更好的检测性能,验证了所提算法的有效性。

针对红外舰船小目标图像复杂背景弱信号，虚警率较高且难以被精确检测的问题，提出了一种恒虚警率(Constant False-Alarm Rate，CFAR)-全连接条件随机场(Dense Conditional Random Fields，DCRF)舰船目标检测算法.该算法针对小目标与虚警信号变化特征相似但结构特征不同的特点,利用CRF的多维上下文(空间、辐射)表达的优势，实现虚警特征抑制，并引入CFAR对模型进行改进，提高了DCRF对于弱信号目标的检出能力,实现舰船小目标的精确检测与分割.实验结果表明，该算法能够充分利用海域的全局上下文信息，能够在保持较高检出率同时，有效降低虚警率，实现单帧端到端的小目标检测.

提出一种基于压缩感知(CS)技术在机会雷达系统中进行恒虚警率(CFAR)目标检测的算法, 根据目标回波在距离单元上的稀疏性, 采用压缩感知技术对目标回波进行压缩采样；设计了一种新的建立在压缩域上的CA-CFAR检测器, 它能在不恢复原始信号的条件下, 快速完成目标回波的检测；进行了检测门限理论分析, 设计出一种适用于压缩域检测的门限选定方法；给出系统检测结果与接收机的性能曲线。仿真结果表明, 本算法可以实现低信噪比下雷达信号的直接检测, 无需信号重构, 节省了运算量。

针对常规恒虚警率(CFAR)方法对低信杂比合成孔径雷达(SAR)图像舰船目标检测效果不佳的问题, 提出一种结合空间信息的星载SAR图像舰船目标检测方法。该方法通过将像素的空间信息与灰度信息相结合构造联合图像, 以提高目标与背景的对比度, 然后对联合图像进行CFAR检测。基于不同分辨力实测星载SAR图像舰船目标检测的实验结果表明, 与直接基于CFAR的方法相比, 该方法对低信杂比SAR图像具有更好的检测性能。

鲁棒有效的弱小目标检测算法是光电跟踪系统成功的关键。本文针对空中远距离红外弱小目标检测的实际问题，在人类视觉对比机制基础上提出了一种检测率高、误报率低、处理时间短的红外小目标检测方法。首先，利用基于恒虚警率的Top-hat 滤波和自适应阈值操作对原始图像进行预处理，得到疑似目标区域，该步骤可大大减少计算时间，同时保持恒定的虚警概率和可预测的检测概率；然后，定义了一种新颖有效的局部对比度测量算子，并引入图像局部的自相似性计算局部显著图，该过程不仅可以增强图像目标的视觉显著性，同时还可以抑制噪声，提高区域目标的信噪比；最后，在显著图基础上，利用简单的阈值操作就可以获得真实目标。定性定量实验结果表明，本文提出的方法与4 种现有检测算法相比，具有更高的检测率、更低的虚警率和更少的检测时间，是复杂背景下红外弱小目标检测的有效方法。

Optical fiber pre-warning system (OFPS) is widely utilized in pipeline transport fields. The intrusions of OFPS need to be located. In this system, the original signals consist of noises, interferences, and intrusion signals. Here, noises are background and harmless interferences possessing with high power, and the intrusion signals are the main target of detection in this system. Hence, the study stresses on extracting the intrusion signals from the total ones. The proposed method can be divided into two parts, constant false alarm rate (CFAR) and dilation and erosion (DE). The former is applied to eliminate noises, and the latter is to remove interferences. According to some researches, the feature of noise background accords with the CFAR spatial detection. Furthermore, the detection results after CFAR can be presented as a binary image of time and space. Besides, interferences are relatively disconnected. Consequently, they can be eliminated by DE which is introduced from the image processing. To sum up, this novel method is based on CFAR and DE which can eliminate noises and interferences effectively. Moreover, it performs a brilliant detection performance. A series of tests were developed in Men Tou Gou of Beijing, China, and the reliability of proposed method can be verified by these tests.

红外面阵旋转搜索系统因其系统结构简单、灵活性高、成本较线阵低等优点备受关注。在红外面阵旋转搜索系统中，复杂背景下的弱小目标检测是一个难题。为了有效抑制背景干扰，降低复杂背景带来的虚警，针对红外面阵旋转扫描系统的成像特性，提出了基于线目标特征加权的恒虚警检测算法。首先，通过背景抑制和阈值分割初步得到离散的潜在目标点迹图。其次，研究分析了线目标的三类特征，并对各类特征进行量化和加权处理，从而得到总的加权值；最后，将加权值映射到离散的点迹图上，得到关于加权值的图像序列，再通过恒虚警检测方法得到新的分割阈值，达到二次分割的目的，从而抑制背景干扰、减少虚警和误判。实验结果表明：该方法可以显著地减少红外面阵旋转搜索系统中复杂背景造成的虚警，并保证能够有效检测出弱小目标。

针对多假目标干扰对恒虚警（CFAR）检测雷达的干扰效果评估问题,根据CFAR检测原理,分析了多假目标干扰下雷达CFAR检测门限和不同间隔的多假目标的干扰效果,得到了在一定密度和功率的多假目标干扰下,部分雷达将出现无任何信号输出的自压制状态的结论,最后通过仿真进行了验证,研究可以用于指导多假目标干扰的设计。