红外图像舰船目标检测中, 目标通常位于海天/岸岛线附近, 预先检测出海天/岸岛线, 确定舰船目标的潜在区域, 可减少目标检测过程中的搜索范围, 降低数据处理量, 提高检测速度。针对传统的海天/岸岛线检测算法对不同背景图像适应性差的问题, 分析了海天/岸岛线特征, 提出了应用LSD线段检测算法和聚类的海天/岸岛线检测算法。首先通过LSD线段检测算法获取图像中局部直线轮廓, 然后通过K-均值聚类获取潜在海天/岸岛线区域, 最后通过分析潜在海天/岸岛线区域纹理特征确定真实的海天/岸岛线位置。实验结果表明, 该方法对多种背景下海天/岸岛线检测适应性强, 检测精度高。

针对红外成像系统盲元检测中，传统窗口全局阈值法阈值选取的局限性，结合盲元响应随机性特点，提出了一种基于超像素分割的盲元检测算法，给出了分割区域像素数及检测过程阈值设置方法；针对盲元校正问题，提出了一种基于结构相似度和空间邻域距离加权的相关像素插值的盲元校正算法，研究了不同加权方法对估计误差的影响。最后通过实验验证了算法的准确性和有效性，结果表明：本文提出的算法检测结果准确率高、漏检率低、虚警率低，校正后图像的 RMSE低于邻域均值法（AN， Average Neighboring method）和最近邻替代（NN，Nearest Neighboring method）算法。

针对复杂岸岛背景下的红外舰船目标检测问题，提出了一种多光谱融合红外舰船目标检测方法。首先根据不同谱段信息相互间的关系进行基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)域的多级多光谱图像融合，然后利用LSD线段检测和聚类对融合后的图像进行岸岛线检测。采用选择性搜索算法生成初始目标候选区域，然后结合岸岛线空间位置以及舰船目标的几何特征和灰度特征约束剔除部分虚假目标区域，最后提取候选区域的方向梯度直方图(Histogram of Oriented Gradient, HOG)特征算子。利用线性支持向量机(Support Vector Machine, SVM)分类器进行分类识别，以检测出真实舰船目标。实验结果表明，与单谱段红外舰船目标检测方法相比，本文方法在检测精度上有较大提升。