针对现有非均匀性校正方法中校正结果收敛速度慢、图像退化、存在“鬼影”现象等问题, 提出一种空域三边滤波与时域梯度加权均值滤波相结合的红外序列图像非均匀性校正方法.该方法首先利用三边滤波将图像分解为基本分量与细节分量; 然后对分离出的细节分量序列图像的时域曲线进行梯度加权均值滤波, 从而分离出细节分量中非均匀性和场景细节; 最后用原图减去非均匀性, 得到校正结果.实验结果表明, 该方法能有效地抑制“鬼影”并改善图像退化现象, 校正结果无论主观视觉还是客观评价指标均明显优于时域高通与神经网络校正方法.

为解决红外图像弱小目标检测技术中的云层和地物等复杂自然背景抑制这一难题，提出了一种基于多尺度核归一化策略的弱小目标复杂背景抑制新方法。首先，采用波原子变换对图像进行尺度和方向分解，提取图像的多尺度和方向细节特征；然后，根据目标和背景杂波信号子带系数之间的差异，对波原子变换后各子带系数采用设计的核局部归一化调整函数进行修改，以达到有效地抑制原始图像中背景边缘、轮廓和纹理等信息和增强目标信号系数强度的目的；最后，重构调整后各个子带系数获得抑制背景后的目标图像。实验结果显示，与小波和最大中值滤波方法相比较，该方法对包含弱小目标的红外复杂背景都具有良好抑制效果，信杂比增益和背景抑制因子分别提高到3倍和4倍以上。

为检测强云杂波背景中的红外弱小运动目标，结合反锐化掩模理论，提出了一种基于曲线波变换的多尺度反锐化掩模红外图像云层背景抑制新方法。首先，根据红外目标和背景杂波的特性，采用二代曲线波变换对图像进行多尺度、多方向分解，提取图像的多尺度和方向细节特征，然后，根据目标和背景杂波子带系数的差异，通过应用反锐化掩模理论调整分解后的各子带系数，从而将红外图像中弱小目标信号和背景杂波分离，达到抑制背景的目的。实验结果显示，与最大中值(ＭＭｅｄ)和二维最小均方误差(ＴＤＬＭＳ)方法比较，该方法对信杂比较低的红外弱小目标复杂云层背景从主观视觉和数值指标都具有良好抑制效果。

为了提高地面和云层等红外复杂背景下弱小目标的检测性能，提出了一种基于视觉细胞响应模型的红外弱小目标背景抑制新方法.首先利用简单细胞的感受野计算模型将原始图像采用Gabor函数卷积获得相同大小的两幅图像;然后采用设计的复杂细胞响应的非线性汇聚策略函数对获得的两幅图像进行融合处理，从而将红外图像中弱小目标和背景杂波分离，达到抑制背景的目的;最后采用自适应阈值分割技术得到目标点，实现了对红外弱小目标的检测跟踪.实验结果显示，与去局部均值和最大中值滤波两种滤波方法相比较，该方法能有效地检测出信杂比较低的弱小目标信号.

针对弱小目标检测技术的难点, 根据红外图像中目标和背景杂波的特性, 提出了一种基于非下采样方向滤波器组的红外地面背景抑制方法。首先, 采用非下采样方向滤波器组对图像进行多方向分解, 提取图像方向细节特征, 然后, 根据目标和背景杂波信号的差异, 通过将基于傅里叶变换域的频域调整策略应在于分解后各方向子带, 从而将红外图像中弱小目标和背景杂波分离, 达到抑制背景的目的, 最后采用经典的自适应阈值分割技术得到目标点, 最终实现对目标的检测。实验结果显示, 与最大中值滤波和局部去均值滤波方法相比较, 该方法能有效地检测出信杂比较低的目标。

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性, 首先, 采用剪切波变换对原始红外图像进行多尺度和多方向分解, 获得原始图像的多尺度和方向细节特征, 然后, 通过应用高斯尺度混合模型进行处理, 从而将红外图像中弱小目标和背景杂波分离, 达到抑制背景的目的, 最后采用经典的自适应阈值分割技术得到目标图像, 最终实现目标检测.与二维最小均方误差滤波方法相比较, 几组实验结果显示, 对弱小目标复杂背景具有较好的抑制效果.

红外复杂背景抑制是红外告警等系统发现远距离弱小目标的难题之一。提出了一种将奇异值分解与对偶树复小波变换(DTCWT)相结合的多尺度截断复杂背景抑制新方法。首先采用DTCWT对图像进行正变换，获得图像的多尺度和方向细节特征；然后根据目标和背景杂波信号系数在不同尺度之间的差异，对各子带采用奇异值分解进行处理，并利用最大的特征值重构子带；最后将系数调整后的各子带逆变换到图像域，从而将弱小目标和背景杂波分离，达到抑制背景的目的。实验结果表明，该算法可以在很大程度上抑制结构化背景，保存并增强目标信号。

提出了一种新的复杂背景下低信噪比红外弱点目标检测算法。根据红外弱点目标在图像中的三维空间特征,从空间认知的角度出发,将三维的灰度分布特征转化为二维的等高线曲线特征, 建立红外图像的等高线图(IECM)描述,利用图论中的树结构(等高线树)形式化地表达等高线的空间关系,在此基础上,给出弱点目标检测的等高线树检测准则,同时给出了等高线划分等级的选择方法。理论分析与实验结果表明,该算法具有良好的检测性能,且结构简单,利于硬件实时实现。在信噪比为1.4的情况下,对红外图像序列的检测概率为96.3%。

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息, 与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新, 使得分布在目标路径上的信息素逐渐增大, 逐渐向分割图像收敛, 最后根据信息素分布提取分割结果。仿真和实验表明, 该算法对真实图像得到了理想的分割结果。

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法。采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点。在边缘检测后的二值图像基础上，利用改进的Mean Shift跟踪算法实施目标跟踪。该跟踪算法融合了计算目标区域局部标准差的信息；利用灰度值和局部标准差的概率密度函数来描述目标；同时选择核函数级联方式进行目标密度估计，从而弥补了仅用灰度信息描述目标特征的不足。实验结果表明，该跟踪算法检测出的复杂背景下红外目标边缘清晰，并且能够准确地对目标实施自动跟踪。