天基红外预警卫星远距离探测时获取的弹道目标特征信息匮乏，代表物质固有属性差异的光谱信息可作为目标识别的主要依据。将尾焰特征光谱信息作为识别的重要手段，综合考虑尾焰光谱吸收特性和特征光谱提取原则，采用改进的向前和向后间隔偏最小二乘法建立特征波段提取模型，以新型自适应变权重光谱相似性测度（SAVM）实现目标与特征光谱数据库的匹配，提出了基于尾焰特征光谱的主动段弹道目标识别方法。仿真实验进行了特征波段提取与SAVM优越性的验证，相较于全波段光谱匹配识别法，提出的方法所需数据量更小、识别精度更高。研究内容可为红外预警卫星系统优化探测识别能力提供有意义的参考。

针对复杂背景下红外弱小目标提取困难的问题, 提出了一种自适应 SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合 SUSAN边缘检测算子与各向异性扩散, 形成新的扩散方程对红外图像进行背景预测, 与原图像差分后实现弱小目标检测。为使算法具备自适应能力, 提出 SUSAN边缘检测器灰度差阈值的自适应设定方法, 采用绝对偏差中值算子作为其扩散系数。实验结果表明, 该算法能够有效滤除复杂图像背景, 大幅提升信噪比, 同时保留目标大小。

复杂背景抑制是天基红外预警系统中红外弱小目标探测技术的一个关键环节。为降低复杂背景下杂波干扰，提高目标检测精度，利用非下采样轮廓波变换（ NSCT，non-subsampled contourlet transform）的多尺度分解及多方向分解特性以及图像矩阵奇异值分解（ SVD， singular value decomposition）不同奇异值代表图像不同能量信息的特点，提出了联合 NSCT和 SVD的红外图像背景的抑制方法。首先依据非下采样轮廓波变换思想对红外原始图像进行多尺度多方向分解，得到与原始图像同样大小的不同尺度和不同方向上的子带图像，然后，利用奇异值分解的中序部分奇异值调整各子带图像矩阵系数以区分目标和背景杂波，最后对调整后各子带系数组成的矩阵施加 NSCT逆变换，最终获得抑制背景处理后的图像。对比实验表明，该方法能够在低信噪比环境下有效抑制复杂背景及边缘，突显目标，降低虚警率。

在宽带探测模型的基础上，综合考虑光谱精细度以及数据量，融合窄带光谱信息进行目标识别，提出一种基于综合信噪比的红外预警卫星窄带探测波段选择方法。依据预警卫星窄带成像机理加入窄带滤光片，综合考虑目标和背景辐射、暗电流噪声以及探测器仪器热噪声等的影响，提出较为完备的综合信噪比计算模型。以**支援计划（DSP）预警卫星为例，选取中心波长在2.726，2.835，3.012，4.339 μm处带宽为10 nm的窄带波段为探测波段，计算了尾焰在不同高度下的综合信噪比光谱。