传统的红外弱小目标检测算法一般采用 DSP(digital signal processing)处理器实现，算法复杂且实时性差，本文提出了一种基于 FPGA(field programmable gate array)的自适应阈值的 FAST(features from accelerated segment test)算法对红外弱小目标进行检测，利用 FPGA并行处理的特点，采用流水线设计实现了算法的硬件加速。改进的自适应阈值方法可以根据不同的环境生成合适的阈值，避免了由于 阈值选择不当造成的红外弱小目标的丢失或冗余。最后采用 4组不同的实测红外图像进行实验，结果表明：该算法能实时地检测出红外图像中的弱小目标，并且能够取得较高的检测率和较低的虚警率，满足实时性和有效性 的要求。

利用引导滤波的边缘保持特性及梯度保持特性，提出一种基于自适应引导滤波的子带分解多尺度 Retinex红外图像增强算法。首先利用自适应引导滤波对光照分量进行精确估计，生成光谱不重叠的 Retinex子带，然后对各个子带进行自适应增强，最后将各个增强后的子带加权融合。实验证明，该算法可有效消除光晕现象及凸显红外图像细节。

目前传统多尺度分析红外图像融合算法存在以下不足: 融合图像的对比度改善效果有限, 无法获取图像的某些细节信息; 融合规则仅考虑单一特征, 故未能突出目标特征。针对以上问题, 本文提出一种基于视觉显著性与对比度增强的红外图像融合算法。首先对待融合的图像进行基于自适应引导滤波的多尺度 Retinex图像增强, 然后利用 NSCT对图像进行多尺度分解, 最后利用图像视觉显著性融合低频系数, 采用基于窗口的系数融合带通系数。实验证明, 该算法获得的红外融合图像效果明显优于传统方法。

提出了一种基于目标能量的红外目标提取算法。这种算法利用目标相对角速度大于瞬时视场时图像会产生拖尾的现象, 采用能量叠加来增强目标与背景的信噪比,从而实现对信噪比小于或等于5的远距离红外空间目标的探测和跟踪。此算法运算量小,可在硬件上实现。实验表明,此算法能实时探测和跟踪距离不小于15 km的红外空间目标,且探测概率可达96%。

针对质心跟踪算法对目标跟踪时容易出现目标丢失的问题, 提出了目标置信度函数, 通过对目标的位置、面积、灰度和形状综合判断目标是否被遮挡, 如被遮挡则对目标的位置进行预测, 直至目标重新出现, 使算法具有记忆跟踪的功能。改进算法基本不受目标大小、旋转变化的影响, 跟踪算法的稳定性和可靠性得到提高。实验结果也表明, 改进算法较好地克服了原跟踪算法易丢失目标的问题, 扩展了质心跟踪算法的适应范围。

针对红外图像中海天线的特点，提出一种基于图像分割的海天线提取方法。首先通过模板运算对图像进行预处理，以增强海天区域的图像梯度值，然后在竖直方向对图像进行分割，以定位局部海天线，最后用直线拟合法找出海天线位置。实验结果表明，该方法可以快速有效地检测出海天线位置，易于工程应用。