对比红外小目标检测方法和其它目标检测方法, 由于低信噪比、低对比度、小尺寸、缺乏目标的形状和纹理信息等多种因素, 尤其是在复杂背景条件下, 红外小目标的检测会更加的困难.在实践中, 一种基于同组过滤器(Peer Group Fileter, PGF), 二维经验模式分解(Bidimensional Empirical Mode Decomposition, BEMD)和局部逆熵(Local Inverse Entropy, LIE)的新型红外小目标检测方法被提出来, 以解决前面所提到的问题.其中PGF被用来消除噪声和改善初始图像的信噪比; BEMD算法可以有效地估计背景并将背景从原始图像中移除; 而LIE的主要作用是分解本征模态函数(Intrinsic Mode Function, IMF).实验结果表明, 新的方法可以有效且准确地提取小目标.

在脉冲涡流热成像检测中，有效抑制红外热图的噪声是最终提取特征量识别缺陷的关键环节之一。将提升小波阈值去噪的思想运用到二维经验模态分解（BEMD）中，提出了一种基于BEMD的提升小波阈值去噪方法。针对传统软、硬阈值法的局限性，引入包括带有可变因子的隶属函数的模糊阈值处理方法。将该方法运用于脉冲涡流热成像信号的实际消噪处理，实验结果表明，该方法与小波阈值去噪相比，去噪效果更明显，图像的细节特征更清晰。