针对现有方法在复杂云层和强杂波的干扰环境下的高虚警率或低检测率的问题,提出一种基于视觉特征融合的机载红外弱小目标检测方法。首先,利用Laplace算法对原始图像进行锐化处理,提取图像的轮廓边缘,并将其叠加到原始图像上,目的是增加真实目标与疑似目标的像素强度。然后,根据目标的梯度特征,采用局部多向梯度方法对处理后图像中的复杂背景和强杂波进行抑制。其次,根据图像的灰度差异特征,采用局部灰度差方法适当地增强目标。最后,将通过视觉特征信息获取的图像融合,突出目标的显著性,并对目标进行自适应阈值处理,实现目标的精准检测。实验结果表明,与其他方法相比,所提方法在信杂比、背景抑制因子及检测率指标上得到显著提升,且具有较低的虚警率。

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.

复杂背景下红外弱小目标检测与追踪技术一直是遥感成像应用领域一项复杂而艰巨的课题。利用高帧频红外面阵成像系统采集到图像的强帧间相关性特征，设计了一种多帧累加的时域信噪比的弱小目标检测方案。同时利用目标运动的连续性，采用多帧确认的方法关联目标，输出真实目标运动轨迹。实验结果表明，算法在vs2013上运行的平均运算时间为23 ms，检测到的目标最低信噪比为2.91，同时对多目标的检测具有较强的适应性。

根据弱小目标的成像特性, 提出了基于邻域局部最大均值与多尺度形态学滤波的目标检测算法。通过滑动窗口判断图像中心是否为最大值, 若是, 则用中心点四邻域的两个方向的最大均值替代中心点；否则, 计算其四邻域方向极大二值的梯度, 根据加权系数计算赋给中心点。遍历整幅图像, 用来消除噪声和改善初始图像的信噪比。然后, 再对图像进行多尺度的形态学滤波, 可以有效地估计背景并将背景从原始图像中移出。改进的自适应分割方法计算阈值之后, 从候选点中来提取目标。对序列图像采取多帧关联处理, 可以进一步降低虚警率。实验结果表明, 该算法易于实现, 能提高检出概率, 较好并完整地检测出目标, 且降低虚警率。

提出了一种基于数字信号处理器(DSP)的红外弱小目标搜索高速实时算法。算法主要针对天空中不规则云团在预处理过程中残留的边缘而设计，是在背景预测算法基础上改进的一种基于陷波滤波器的搜索算法。在DSP实时处理平台上实现并经实际场景试验验证，该算法能有效削弱残留边缘的影响，使最远探测距离指标上升至前向迎头26 km，实时处理速度达到75 Hz，满足系统要求。采用信噪比增益指标对算法进行了评价，结果显示，该算法能够显著提高图像信噪比，利于检测出目标。

针对存在背景干扰和噪声情况下的红外弱小目标检测问题，提出一种基于无下采样contourlet变换(NSCT)和独立分量分析(ICA)的检测方法。首先原始图像减去通过快速ICA分离出的背景图像，再经NSCT去噪，接着利用新型Top-hat变换滤波得到预处理图像；然后采用基于类内方差及背景与目标面积差的阈值选取方法来分割预处理图像。针对红外小目标图像进行了大量实验，并和基于快速ICA、基于NSCT的红外目标检测方法进行了比较，结果表明所提出的方法抗噪性强，具有更为优越的检测性能。

利用红外跟踪测量系统能够同时获取目标运动信息(包括方位角、俯仰角以及角速度)、目标信号幅度及其成像面积等，提出了一种基于多特征融合的弱红外运动目标跟踪方法。分析了红外成像系统中目标信号特点，得到目标的运动、幅度和面积具有一致性和连续性，符合高斯分布；采用概率数据关联滤波推导量测各特征的关联概率，并根据特征的波动状况确定多特征融合的加权系数，估计和更新目标运动状态。理论分析和实验结果表明:该方法的跟踪精度和稳定性都明显高于仅依靠运动特征关联和依靠运动特征和幅度特征关联的跟踪方法。