1、隨著數(shù)字圖像處理技術(shù)和計(jì)算機(jī)的飛速發(fā)展，紅外目標(biāo)檢測(cè)技術(shù)開(kāi)始廣泛應(yīng)用于天文觀測(cè)、跟蹤、遙感、制導(dǎo)等諸多鄰域。但由于紅外弱小目標(biāo)具有成像面積小、距離遠(yuǎn)、細(xì)節(jié)特征缺失、形狀特征微弱、信噪比低等特點(diǎn)，因此紅外弱小目標(biāo)檢測(cè)技術(shù)一直都是紅外制導(dǎo)系統(tǒng)中的關(guān)鍵技術(shù)難題。
　　由于紅外弱小目標(biāo)有著這樣一些特點(diǎn)，因此，對(duì)于紅外目標(biāo)檢測(cè)理論和方法的研究方向都集中在提高信噪比、檢測(cè)算法的探測(cè)概率、運(yùn)算效率、適用范圍、可靠性等方面。對(duì)紅外弱小目標(biāo)檢測(cè)方法

2、的研究依然是一個(gè)很具有挑戰(zhàn)性的課題。對(duì)此，本文對(duì)復(fù)雜背景下紅外小目標(biāo)檢測(cè)的算法進(jìn)行了系統(tǒng)的研究。主要研究?jī)?nèi)容如下:
　　(1)給出了紅外小目標(biāo)的一些相關(guān)概念和紅外圖像的數(shù)學(xué)描述，在此基礎(chǔ)上圍繞紅外弱小目標(biāo)檢測(cè)問(wèn)題對(duì)紅外圖像中目標(biāo)、背景和噪聲三個(gè)要素進(jìn)行了相應(yīng)的分析。小目標(biāo)在圖像中的灰度不一定是整幅圖像中最高的，但是在目標(biāo)所在的局部背景中往往是較為突出的，也就是說(shuō)小目標(biāo)在局部背景中應(yīng)具有一定的對(duì)比度，且?guī)缀鯖](méi)有形狀信息。
　　

3、(2)通過(guò)對(duì)紅外弱小目標(biāo)圖像進(jìn)行分析，提取了紅外圖像區(qū)域復(fù)雜度的定量描述，深入討論了不同類別區(qū)域復(fù)雜度特征值的本質(zhì)成因，分別分析討論了圖像的方差加權(quán)信息熵，梯度方向特征以及局部對(duì)比度特征。采用多特征融合的方法，將圖像的方差加權(quán)信息熵特征，梯度方向特征以及局部對(duì)比度特征定義為圖像的復(fù)雜度特征，進(jìn)而實(shí)現(xiàn)了對(duì)紅外弱小目標(biāo)圖像的有效特征提取和分割，完成目標(biāo)檢測(cè)。
　　(3)由于單幀檢測(cè)很難保證檢測(cè)結(jié)果，對(duì)此本文提出的基于三維小波變換的序列

4、圖像檢測(cè)算法。該算法首先采用多尺度三維小波分解，并濾去低頻分量，除去細(xì)節(jié)信息，保留運(yùn)動(dòng)信息和邊緣信息，其次運(yùn)用圖像形態(tài)學(xué)的方法剔除背景邊緣的干擾而獲得目標(biāo)候選點(diǎn)，最后檢測(cè)每幀候選目標(biāo)點(diǎn)的灰度值，確定閾值排除虛警點(diǎn)并分割目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該方法能夠很好的檢測(cè)復(fù)雜背景的運(yùn)動(dòng)小目標(biāo)。
　　綜上所述，本論文對(duì)紅外圖像目標(biāo)檢測(cè)相關(guān)技術(shù)進(jìn)行了深入的研究，對(duì)提出的算法均利用實(shí)拍的紅外圖像進(jìn)行了試驗(yàn)驗(yàn)證，試驗(yàn)結(jié)果表明本文提出的算法獲得了很好的檢