在弱照度场景下,通过传感器获取的图像背景较为复杂,该图像主要包含灰度信息,而丢失大部分色度信息,并且图像的纹理信息不明显。另外,远距离运动目标在二维成像平面上通常表现为时域非平稳信号。因此,为了检测复杂背景图像中的弱目标,不宜采用时域检测方法,而需要借助图像的空域信息。边缘包含图像空域最基本最丰富的信息,通过提取目标的边缘信息,就可以分离出目标与背景,从而实现复杂背景下弱目标的检测。本文对复杂背景下弱目标的检测技术进行研究,主要工作如下:1、由于远距离目标在时域上表现为非平稳特性,引入了边缘提取。在分析一阶和二阶微分算子的基础上,重点分析了Canny边缘提取算子,并对其加以改进。为对比改进前后的性能,分析并实现了形态学边缘提取和小波边缘提取。2、为了精确得到光滑曲线的边缘信息,引入边缘跟踪。在边缘跟踪方向的选取方面,对相异性准则进行了改进,将图像像素点的梯度信息和灰度信息同时加入相异性度量中,使得边缘像素间的关联性更紧密,从而可以跟踪到更光滑、定位更准确的边缘路径,提高边缘跟踪的有效性。此外,针对边缘路径的跟踪结束条件,使用一种新的断点判决方法。实验结果表明,该判决方法可以有效处理孤立和毛刺边缘点。3、分析了Hough变换及其检测圆方法。由于边缘提取图像对Hough检测曲线的影响很大,本文基于Canny算子的思想,创新性地采用相异性准则的边缘跟踪法对图像边缘段进行跟踪连接,然后在连接后的边缘路径上使用Hough变换进行曲线检测。实验表明,该方法可以有效抑制图像噪声和杂波背景对检测的影响,降低目标检测的虚警点。4、实现了本文改进的算法,并与改进前的效果进行对比。考虑到视频图像采集系统易受背景杂波、摄像机抖动以及传输线路的影响,分析并实现了几种预处理方法。此外,为了说明边缘空域信息在目标检测中的有效性,对时域检测方法进行分析、实现,并将其与本文改进的算法进行检测效果对比。实验结果表明,当视频图像的信噪比较低、目标在时域上的运动特征没有规律可循及目标的边缘灰度值过渡尖锐时,不宜采用时域信息检测目标,而应该借助图像的边缘信息。