复杂背景下的红外小目标检测是精确制导武器系统与空中侦查的关键技术,受到了越来越多的重视。由于目标与红外传感器之间的距离比较远,导致目标成像面积小,图像信噪比低,图像中目标物体的轮廓和纹理模糊,可用信息少。同时,由于复杂背景下的红外图像中存在大量的高亮背景区域和背景边缘,导致误检率比较高,严重影响检测算法的效果。因此,复杂背景下的红外小目标检测极具挑战。1.本文在国内外红外小目标检测研究的基础上,首先对红外小目标特性进行分析,并对目前常用的几种小目标检测算法进行仿真。针对红外小目标检测所面临的一些难点,本文以梯度算法为基础,通过对目标的梯度特性进行分析,得出目标在邻域周围具有360o梯度快速下降的特性,而疑似目标仅在少数方向具有梯度下降的特性。为解决普通的检测算法检测率低的问题,本文采用多级联合的方式。首先,提出了一种基于多方向环形梯度法的检测算法用来提取ROI,构建图像高斯金字塔进行多尺度提取ROI,解决目标的尺度问题;其次,为了使目标分割与特征提取更加准确,提出一种自适应多方向的新型Top-Hat变换进行背景抑制;最后采用自适应阈值算法对目标进行分割。2.基于单帧算法的检测结果,结合时域与空域信息,进行帧间联合寻找真目标,剔除假目标,进一步提升算法的检测性能。针对分割出来后的目标,提取目标特征;为了增加帧间匹配的效果,求解了目标的多个特征,如大小、灰度、形心、Fast等;为了使目标更加准确的完成帧间匹配,详细探讨了目标匹配过程中的相似度度量准则;最后为了提高帧间匹配算法的灵活性,本文设计了一套置信度评价函数,保证帧间匹配效果的鲁棒性。3.针对整体的算法流程,对常用几种图像处理芯片的优缺点进行分析,最终选用FPGA+ARM的处理器架构进行算法移植。针对分辨率为640?512的红外长波相机,目标对比度大于5%,视场中的目标不多于5个,此系统每秒可实现100帧图像的处理。最后,选取了若干序列图像,对本文所设计算法进行仿真,并与其他算法从检测率与误检率两方面进行比较;通过验证,本文提出的单帧检测算法在保证检测率提升的前提下,误检率有了大幅度的下降;提出的多帧确定算法,与其他检测算法联合使用时,使目标检测的误检率得到了更大幅度的下降。