针对不同背景条件下，红外弱小目标检测信杂比低、虚警率高的特点，重点利用小目标能量接近高斯分布特性，提出一种利用改进的图像局部熵加权多尺度的基于图像块对比度的红外小目标检测方法。首先，计算红外图像中心块和邻域块的均值；然后，计算出中心块和邻域块的均值差异达到凸显小目标、抑制背景噪声的效果，同时计算各个像素点的改进局部图像熵以凸显小目标、抑制形状与小目标大小近似的伪目标以及大面积的干扰物体的角点；之后，利用改进的图像熵加权中心块和邻域块的均值差异值，得到高信杂比、低虚警率的显著度图像；最后，利用自适应阈值分割算法获取目标的位置。实验结果表明，与同类基于human visual system（HVS）检测方法相比，所提方法适用场景更广，特别是在复杂背景下，能达到更低的虚警率、更高的信杂比。

针对甲状旁腺超声图像灰度分布不均匀、甲状旁腺病灶多样化的特点,利用图像全局和局部信息,采用基于图像局部熵的混合水平集模型进行甲状旁腺超声图像分割。针对不同超声图像灰度分布差异大的难题,利用图像局部熵确定全局项权重,提高模型的自适应能力。为避免局部项区域尺度设定大易出现过分割,区域尺度设定小计算效率低的问题,利用两尺度进行曲线演化。实验结果表明,本文提出的混合水平集模型对差异性大的甲状旁腺超声图像具有较强的自适应能力,能使演化曲线自动收敛于目标轮廓,具有更高的分割准确率和计算效率。