前视红外海天场景图像中的舰船目标可能面临着信噪比低、尺寸差异大等问题, 为了更好地突出目标、抑制背景, 提出了一种基于多尺度局部对比度的前视红外舰船目标增强方法。首先分析了前视红外海天图像中的场景内容, 然后定义了一种新的局部对比度度量——相对区域对比度度量(RRCM), 通过改变网格窗口的尺寸构建了多尺度局部对比度度量(MRRCM), 最终得到了尺度不变局部对比度图像。实验结果表明, 所提方法可以适应前视红外图像中多类型多尺寸的舰船目标, 显著提高目标信号的信噪比(SNR)和信背比(SBR), 与其他方法相比, 所提方法的舰船目标增强效果更好, 尤其是对于暗弱目标区域;另外, 所提方法运算速度快, 并且可以借助并行处理和积分图像进一步加速运行。

为了有效地克服单波段前视红外图像中存在的点状杂波、 条状波浪以及局部高亮区域等随机杂乱背景的影响, 开展了基于多波段前视红外图像融合的海面杂乱背景平滑方法的研究。 充分利用多波段前视红外图像之间的互补性和差异性, 通过融合多波段红外图像的信息, 旨在平滑抑制海面杂乱背景并保持舰船目标的特征信息, 为舰船目标检测提供一幅优质的图像。 首先利用离散小波变换将多波段源图像分解为低频子带和高频子带, 其中, 高频子带主要包含了图像中背景以及舰船目标的细节信息, 低频子带主要包含了图像的亮度以及对比度信息; 对于高频子带, 在基于高频系数取绝对值最大法得到高频融合图像后, 计算每个像素的区域能量来对高频融合图像进行调制以抑制图像背景的细节信息而保留舰船目标的细节信息; 对于低频子带, 通过平均法融合低频子带并利用导向滤波对低频融合图像进行平滑滤波处理; 最后对高频融合图像和低频融合图像进行小波逆变换得到的重构图像即为融合图像。 对实际采集的多波段前视红外图像进行仿真实验, 将该方法与双边滤波、 导向滤波、 梯度最小化、 相对全变分、 双边纹理滤波和滚动滤波共6种图像平滑滤波方法进行对比。 结果表明: 所提出的方法通过有效地融合多波段图像的信息, 将空间域的平滑处理转换到频率域中进行, 能够很好地平滑海面随机杂乱背景并较好地保持舰船目标的结构、 灰度以及对比度信息, 大大增强了舰船目标的可分离性, 其图像平滑性能优于作为对比的6种方法。

光电瞄准系统（EOTS）将前视红外和红外搜索跟踪进行了综合, 进而可以获得高分辨率图像, 实现自动跟踪、红外搜索跟踪、激光指示、激光测距和激光点跟踪。本文针对美国研制的EOTS的工作原理展开分析和研究, 概述了EOTS的概念和技术特点, 显示了其作为新一代机载光电瞄准系统的先进性。对EOTS多功能系统、光学元件、红外搜索跟踪、维护和研制规划进行了介绍, 着重分析了EOTS的自动视轴校准系统, 主要包括自动视轴校准系统的工作原理和工作步骤。最后, 本文对EOTS系统的性能进行了总结。

提出了基于纹理粗糙度的红外图像显著性检测算法, 以解决红外图像对比度低, 目标显著性检测难的问题。首先, 研究了Tamura的粗糙度原理, 对粗糙度进行分析和评价, 提出了新的粗糙度计算方法。然后, 将图像分解为超级像素集合, 并计算超级像素的最大平均强度差; 利用最大平均强度差定义超级像素的最佳尺度, 作为纹理粗糙度的度量。最后, 将超级像素区域均匀外延, 利用粗糙度的局部对比度和灰度信息度量红外图像的显著性。通过实验验证了本文算法的有效性, 结果表明: 在10%的噪声水平下, 本文粗糙度保持不变,粗糙度特征图一致性较好, 而Tamura的粗糙度特征图中杂点明显增多。与其它显著性检测算法对比, 本文算法击中率最高, 为0.752。该算法挖掘了红外图像的纹理粗糙度特征, 为红外图像显著性检测提供了新的特征选择。

针对飞行器前视红外视觉导航技术中导航区选取这个关键问题，提出一种实用的连续跟踪导航区选取方法。首先对前视红外视觉导航任务进行了分析，总结了常用的4种导航模式；然后针对连续跟踪导航任务，通过图像方差计算、连续直线特征检测、Frieden灰度熵分析，设计了一种粗选、精选与稳定性分析相结合的导航区选取方法，给出了方法的基本原理、实现步骤及选取流程图；最后结合典型场景图像数据进行了仿真实验，验证分析了该方法在连续跟踪导航区选取上的有效性、实用性及适应性。

由于基于亮度变化函数(IVF)的跟踪算法能高效跟踪前视红外图像中刚性目标但无法满足行人跟踪鲁棒性要求，提出了一种新的基于多热点亮度变化函数的红外图像中行人跟踪算法。分析了分区域、多热点描述行人目标热信号的必要性，利用改进的亮度变化函数在帧间目标窗口内定位热点，建立目标窗口自适应更新机制解决尺度变化问题，最后基于热点的运动特征描述子剔除定位于背景的野值点。对复杂红外场景的跟踪实验结果表明，由于在原始算法的基础上省去了模板匹配步骤及缩小了搜索对象的矩阵维数，该算法获得了最优的实时性; 且多热点机制使该算法的鲁棒性优于多种其他视觉跟踪算法，能够胜任存在遮挡、尺度变化、低对比度等干扰因素的前视红外图像中行人目标的跟踪。

针对复杂环境下的海面目标提取问题，提出一种基于偏微分方程(PDE)的红外舰船检测算法。首先采用基于PDE理论的滤波模型对初始图像滤噪并进行背景估计，然后结合邻域差分进行背景抑制后分割提取目标。实验表明，该算法能够有效检测强杂波背景中的目标，方法适应性强。

前视红外图像质量对于目标检测与跟踪算法能否准确定位目标具有十分重要的作用。目前对自动目标识别领域前视红外图像质量的研究大都与场景内容相关, 而忽视了成像降质效应对图像质量的影响。本文通过分析噪声和模糊两种降质效应的成因, 结合前人的模拟方法, 得到了高性能前视红外成像设备获取的图像中噪声和模糊模拟的新方法。将该方法用于分析不同程度噪声和模糊对图像质量的影响, 结果显示, 噪声对于图像质量有害, 而模糊对于图像质量并不一定有害。基于这一结论, 采用去噪方法对前视红外图像进行预处理。对比实验结果表明, 该方法比去模糊方法能更有效地提高匹配概率。

针对前视红外地面建筑物图像目标分割问题，在传统方法的基础上提出了一种基于模板制备的改进 C-V模型分割方法。首先通过 DSM数据制备目标二维形状模板；然后对图像进行高斯滤波去噪，并采用模板尺度相关的结构元素对图像进行灰度形态学增强；最后引入模板形状先验信息的概念，利用水平集方法表达轮廓先验信息，在 C-V模型的基础上增加目标轮廓先验信息能量项，使分割曲线进化同时受到图像数据与形状先验信息驱动，实现目标分割。实测数据显示该方法能在复杂背景条件下精确分割前视红外建筑物目标。

A novel indirect building localization technique based on a prominent solid landmark from a forward-looking infrared imagery is proposed to localize low, deeply buried, or carefully camouflaged buildings in dense urban areas. First, the widely used effective methods are applied to detect and localize the solid landmark. The building target is then precisely indirectly localized by perspective transformation according to the imaging parameters and the space constraint relations between the building target and the solid landmark. Experimental results demonstrate this technique can indirectly localize buildings in dense urban areas effectively.