为了准确实现起伏背景下的目标分割，提出了一种结合信息熵和区域生长的红外小目标图像检测方法。在分析红外图像特性的基础上，对原始图像进行自适应平滑滤波，使得图像在保持目标强边缘的前提下抑制高斯白噪声;利用目标边缘在其邻域内起伏大的特点，使用基于灰度级-邻域灰度级绝对差G-G直方图的最大熵进行图像分割;利用最大熵求解的阈值选取种子点，将种子点在已分割的图像上进行区域生长。实验结果表明，所提方法在背景起伏较大的情况下具有较好的目标检测性能。

为使**系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击.研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标.经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果.

在红外探测系统对空中目标进行低空探测时，地面的各种景物也可能进入探测器视场内，地面景物的存在将对目标的探测产生影响。从红外成像的角度出发，主要对地面景物会降低系统探测能力的问题进行了研究，分析了这种影响形成的原因，并针对该问题，提出了通过灰度化探测器视场内特定信号区间的方法。该方法对目标和其所在背景的辐射进行估计，再根据二者辐射的范围对灰度化信号区间的长度和位置进行确定，并最终得到所需灰度化信号的范围。计算和实验结果表明，采用该方法可以充分利用探测器的分辨本领，提高在地面景物存在情况下系统的探测性能。

为了解决低信噪比条件下的机动目标检测跟踪问题，研究了辅助粒子滤波与多模粒子滤波(MMPF)相结合的检测前跟踪(APFMMPF)算法。将多模粒子滤波过程中包含目标存在变量及运动模式变量的预测粒子直接用于产生辅助变量，进行辅助粒子滤波过程实现对机动目标的检测跟踪。通过APFMMPF算法与单纯MMPF算法的仿真结果对比可见，APFMMPF算法的检测概率高、跟踪误差小，检测跟踪性能优于MMPF算法。由算法机理和仿真结果可见，由于APFMMPF算法中粒子采样利用了当前量测信息，可有效提高对机动目标的检测跟踪性能。

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。

多光谱成像技术结合成像和光谱测量技术，同时探测目标的光谱和几何特征，在目标识别和抑制背景杂波方面具有技术优势。研制了一套工作于中波红外波段的四通道多光谱成像系统。利用窄带滤光片和面阵探测器技术，构建了基于时序扫描的凝视成像型红外多光谱成像系统。根据红外探测器性能参数，对各个光谱通道的温度灵敏度进行了估算。在系统设计时通过合理地滤光片布局，尽量延长各个光谱通道的信号积分时间，以提高各个光谱通道温度灵敏度。利用研制的中波多光谱成像系统，对室外进行了成像，并对各个通道的成像结果进行了比较分析。

提出了一种基于双边滤波的弱小目标背景抑制算法，传统的方法是直接用双边滤波对背景进行抑制，虽然能很大程度上保留背景，但也保留了小目标的信息，使得残差图上的信杂比不是很大，仍要后续的分割算法进行处理。改进了滤波器，在滤波中加入模板的限制，从而改善了这一缺点，提高了图像的对比度和信杂比。实验结果表明改进的滤波器与传统的双边滤波和 TDLMS相比能更好地抑制背景。

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。

提出了一种对复杂云层背景下红外图像序列中弱小运动目标分割和检测的方法。首先,利用Horn-Schunck算法计算序列图像的光流场,然后利用阈值分割和数学形态学滤波的方法进行目标检测,滤除噪声后提取出背景中的运动目标。实验结果表明,该算法对实时检测在复杂背景的红外图像中运动的弱小目标具有很好的效果。

形态滤波和顺序滤波是图像处理中常用的两种方法，用这两种方法分别对含噪图像进行预处理，之后用阈值分割的办法提取出了目标，其中阈值是根据预处理前图像的灰度均值和方差来确定的。文中所处理的图像来自晴空背景下(日出前后)采集的恒星像光斑，经过实验发现用这种方法能较好提取出目标。同时实验证明图像中当目标所占面积比背景噪声点大时，用顺序滤波和阈值分割方法，不但能很好的提取出目标，而且运算速度也较快。最后给出用这种方法对其它图像的处理结果，结果表明此方法也很有效。