针对现有的高斯噪声去除方法的边缘保持能力差、去噪图像对比度低等缺陷，提出一种带边缘增强的双树复小波阈值去噪方法。充分利用双树复小波的平移不变性和多方向选择性等优秀特性，根据高斯噪声的数学模型，由假设推导出一种自适应的双树复小波阈值去噪模型；提出一种多向梯度算子，对由阈值去噪模型得出的去噪图像进行边缘提取；最后对边缘图像与去噪图像进行线性有参叠加，得到边缘增强的去噪图像。实验结果证明，所提方法具有良好的去噪性能、边缘保持能力和快速的计算效率。

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。

红外小目标检测技术是红外搜索与跟踪系统（IRST）、红外警戒等系统中的一项关键技术。常规小目标检测算法存在对椒盐噪声、高亮背景边缘敏感等不足之处，针对上述问题，对天空背景红外弱小目标的几何和灰度特性进行了深入研究，在此基础上提出了基于多向梯度的红外小目标检测的新方法，采用了一种非对称的梯度算子，重新定义了梯度检测函数，提高了对小目标的响应。仿真实验结果表明，该方法能够较好地抑制高亮云层边缘和椒盐噪声，保证了较高的检测率和较低的虚警率，又便于在FPGA上实现，满足系统对实时性的要求。

复杂背景下低信噪比弱小目标的自动检测是当今目标自动探测研究尚未解决的一个难题。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，提出了一种基于中值滤波和多向梯度搜索相结合的目标检测算法。算法首先运用中值滤波器将目标从红外背景中分割出来，再结合多向梯度判决算法提取出真实目标点，最后辅以形态滤波填充目标内部空间，构成完整目标区域。实验及结果分析表明，基于中值滤波和多向梯度搜索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。

针对红外弱小多目标的检测和跟踪难题，提出一种基于多特征融合的复杂背景下弱小多目标检测和跟踪算法.融合红外弱小运动目标的灰度特征、梯度特征、运动特征等多个典型特性，进行复杂背景下弱小多目标的检测和跟踪.实验证明：该算法应用于复杂背景下低信噪比的红外弱小多目标图像序列能得到较理想的结果，算法检测概率高、检测速度快、具有较强鲁棒性.

为解决海空复杂背景下红外弱点目标的检测,提出了多量级多向梯度表决融合检测算法.算法依据目标红外辐射特征是像素灰度在水平和垂直方向上梯度变化,将弱点目标特性转化为对图像奇异性的分析.算法用多个量级的梯度步长对图像目标进行检测,并对检测的结果进行表决融合.实验结果表明,红外阈值系数选取2.0-2.4时,算法可对信杂比为1的点目标实现高于95%的检测概率及较低的虚警率.

由于红外图像一般带有较大的噪声,采用传统的目标检测方法效果不理想.本文提出了一种新的海空背景下受强杂波和噪声污染的红外图像弱点目标检测算法.用多个量级梯度对图像目标进行检测,并对检测的结果进行了表决融合.结果表明,基于表决融合的多量级多向梯度检测消除了云层、海浪和海天线等背景干扰,在实现高检测概率的同时,不仅可以达到较低的虚警概率,而且可检测信杂比为1的点目标.