针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题，提出了一种层次卷积滤波检测算法。主要分为两个部分：第一，根据红外小目标特性，设计一种层次卷积滤波的算子，对图像进行滤波处理，实现图像中小目标的增效和背景抑制的效果；第二，采用基于最大值的自适应阈值方法，对图像进行二值化操作，过滤背景杂波，最终提取到待检测的目标。在大量不同背景红外图像中进行实验，论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果，且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian，LoG）滤波算法的30.42%。通过实验对比，表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。

针对复杂背景下尺寸未知的红外弱小目标检测难题，一种基于聚类思想的红外弱小目标检测方法被提出。首先，利用小目标形态学特征对原始红外图像进行预处理，生成新的密度特征图。其次，使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后，针对潜在目标的局部候选集，采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割，利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后，对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明，与7种对比算法相比，该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战，提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题，提出了增量惯导信息概念，设计了增量惯导信息的位置预测模型，实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架，通过增量惯导信息对不同位姿下的成像进行校正，引入基于爬山法互相关匹配算法计算校正后图像的平移参数，采用高斯加权对背景图像进行估计，最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。

红外弱小目标检测被广泛应用于预警、制导等**领域中。然而，红外弱小目标所占像素少、缺少形状特征和纹理特征，使得红外弱小目标检测成为一个具有挑战性的课题。针对红外弱小目标检测，提出了一种简单高效的实时红外弱小目标检测网络。检测网络利用自适应感受野融合模块来增加小目标周围的上下文信息，并通过引入空间注意力机制来建立不同区域之间的相关性模型，使不同区域之间的相关性和紧凑性得到加强。为了提高检测网络对目标的定位和正负样本的判别能力，分别利用GIOU loss和Focal loss来设计损失函数。在3个红外弱小目标序列和单帧红外图像上进行实验，检测网络分别取得了91.62%，71.54%，81.77%和90.67%的AP值，且检测速度接近165 FPS。实验结果表明，该红外弱小目标检测网络对复杂背景和低信噪比条件下的红外弱小目标具有较好的检测效果。

红外弱小目标的目标像素少，目标对比度低，成像帧率高，图像数据量大，检测实时性强。针对红外弱小目标检测算法适合于GPU并行计算的特点，对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在检测算法设计、内存访问、调试优化3个方面进行了优化设计。实验结果表明，对640×480像素分辨率的红外视频，并行优化后的目标检测算法能够在10 ms内完成计算，满足实时处理需求。