远距离广视角场景中由于红外热成像仪成像原理的局限性、大气环境的干扰、远距离传输介质对红外辐射的衰减, 检测目标面临巨大挑战。本文在详细分析了图像背景复杂、目标特性弱小、图像对比度低和结构特性缺失等红外弱小目标图像特性的基础上, 从基于目标突显和背景预测两大类概述了单帧红外图像弱小目标检测技术的研究现状, 并探讨了红外弱小目标检测研究的发展趋势。

针对红外图像信息维度单一且弱小目标因特征不明显而难以检测的问题，将不同结构的多滤波器融入YOLOv5n网络，根据增强弱小目标和抑制背景干扰的不同特性分别选择三个异构滤波器作用于网络的多通道输入图像，从而丰富原始图像的信息维度，有效提升后端网络对复杂背景下弱小目标的适应能力；通过添加注意力模块、采用小锚框策略、裁剪网络深层分支等改进措施，在增强YOLOv5n网络弱小目标检测能力的同时，进一步减少了计算和存储资源需求。实验结果表明，所提出的算法能够有效检测红外复杂背景中的弱小目标，同时占用存储和计算资源更少，为算法部署在资源受限的嵌入式设备上提供了基础。

针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取, 难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5(You Only Look Once)的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上, 添加注意力机制提高算法的特征提取能力和检测效率, 同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集, 将这些图像数据集进行标注并训练, 得到红外弱小目标检测模型, 然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明：改进的YOLOv5算法训练出来的模型, 检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升, 平均精度均值(mean Average Precision, mAP)可达99.6%以上, 在不同复杂背景下均可有效检测出红外弱小目标, 且漏警率、虚警率低。

为了提高复杂环境下的红外弱小目标的探测能力，基于人类视觉注意机制，设计了差异直方图耦合显著性映射的弱小目标检测算法。考虑真实目标与其邻域之间的强度差异，通过采用DFT变换来计算红外图像的幅度与相位频谱，以计算二者之间的频谱残差，并联合高斯滤波方法，输出显著性映射，从而有效突出显著区域。分析目标与背景区域的梯度幅度和梯度方向之间的差异，计算红外图像的差异直方图，以充分抑制背景杂波和噪声。联合显著性映射与差异直方图，形成图像对应的融合特征映射。最后，引入自适应阈值分割方法，从融合特征映射中准确定位真实目标。多组测试数据表明，较已有的红外目标检测技术而言，所提算法能够更好地定位出弱小目标，呈现出理想的ROC曲线。

由于红外弱小目标尺度小、能量弱，所以抑制背景以增强目标使后期检测跟踪性能得到保障是关键的目标检测技术环节。为了提高梯度倒数滤波算法对杂波纹理的抑制能力，减少差分图像中残留纹理对目标的干扰，本文提出了自适应梯度倒数滤波算法(AGRF)。AGRF 算法通过分析背景区域、杂波边缘纹理、目标的分布特性和统计数字特征来确定邻域像素间相关性的自适应联合判定阈值和自适应相关度系数函数，然后联合相关度系数函数和梯度倒数系数来确定自适应梯度倒数滤波器的元素值。实验结果表明，在具有相同目标增强性能的前提下，AGRF 算法相比传统梯度倒数滤波算法对杂波边缘纹理的敏感度明显降低。相比九种对比算法，AGRF 算法能够在背景抑制和目标增强这两者之间取得更好的性能平衡。

红外弱小目标检测技术已成为国内外红外领域研究的重点。对红外弱小目标的特征进行了介绍;从基于空间域和变换域的滤波、人类视觉系统以及图像数据结构3个方面,对当前单帧图像的红外弱小目标检测算法的原理、主要步骤及特点进行了综述;分析了红外弱小目标检测技术的发展趋势。

针对天地复杂背景下红外弱小目标的检测，提出了一种融合 top-hat变换、边缘检测的新方法。首先将改进的 top-hat变换应用于红外弱小目标图像，将图像中与目标特性相似的像素进行增强，并去除云层背景对目标的干扰，得到若干疑似目标的增强结果，并结合阈值分割方法对增强结果进行筛选，剔除大部分不符合弱小红外目标特性的背景干扰点。然后采用基于 Canny算子的边缘提取方法对原始图像中的天地线进行检测，并以天地分割线作为先验知识，去除形态学滤波后所增强的地物背景中的疑似目标，得到最终的真实目标的检测结果。通过实验得出，本文所提出的方法对于天地背景下的弱小红外目标具有良好的检测效果。

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标, 从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因, 引入高斯曲率滤波, 提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理, 在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声, 从而获得准确的红外弱小目标置信图, 利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验, 并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明, 算法在主观视觉和客观评价指标方面均优于其他三种算法, 具有更高的目标跟踪精度与较好的实时性, 可以实现对复杂天空背景下红外弱小目标的有效跟踪。