1、紅外小目標(biāo)檢測(cè)與跟蹤作為紅外預(yù)警、紅外制導(dǎo)等領(lǐng)域的核心技術(shù)，在現(xiàn)代高科技戰(zhàn)爭(zhēng)中發(fā)揮著越來越重要的作用。受探測(cè)器噪聲、大氣傳輸?shù)挠绊?，加上探測(cè)距離比較遠(yuǎn)，使得紅外小目標(biāo)圖像整體信雜比低，邊緣信息缺失，因此紅外小目標(biāo)的檢測(cè)相對(duì)困難。而且在復(fù)雜背景條件下，檢測(cè)難度將進(jìn)一步加大。本文正是在復(fù)雜背景的條件下，對(duì)紅外圖像預(yù)處理和小目標(biāo)檢測(cè)算法進(jìn)行了深入的研究。
　　本文首先通過對(duì)比的方法分析了紅外圖像的特征，并進(jìn)一步針對(duì)紅外圖像的三個(gè)方面進(jìn)行

2、了詳細(xì)的分析與研究。然后，在這些分析研究的基礎(chǔ)上，構(gòu)建了紅外圖像的數(shù)學(xué)模型。其次，在研究經(jīng)典的中值濾波算法和其多種改進(jìn)算法的基礎(chǔ)上，提出了一種適用于簡(jiǎn)單背景紅外小目標(biāo)圖像的濾波算法----均值中值濾波算法。該算法以圖像灰度值均值作為依據(jù)來選擇閾值，有效區(qū)分了背景和目標(biāo)信號(hào)，并分開處理，取得了良好的效果。接著，將該算法結(jié)合數(shù)學(xué)形態(tài)學(xué)開Top-Hat變換使用，借助開Top-Hat變換的背景抑制能力，成功將該算法引入到復(fù)雜背景條件下，顯著提高