线阵CCD立靶测试系统可以实现对低弹道目标坐标位置的测试,在对弹丸目标的空间位置进行精确计算之前,需要对获取的线阵CCD图像通过图像处理算法准确地检测出弹丸目标。然而,在室外靶场中,环境复杂多变,在获取图像的过程中背景中的干扰因素很多,如嘈杂的室外环境,光照强度变化,晃动的树木,蚊虫等,都会导致用一般的目标检测算法无法检测出目标,最终无法定位目标坐标。所以,在应用过程中,需要针对各种各样的特殊问题对运动目标检测算法一步一步的改进,增加它的适用范围。本文针对一种特殊的复杂背景下的运动目标检测展开研究,主要任务是当图像中的运动目标受到复杂背景及特殊环境的干扰时如何能最大程度地抑制背景,准确地检测出运动目标。针对线阵CCD图像中的复杂背景下的动态弱小目标的检测,本文主要将人类视觉系统的注意机制融入到动态小目标的检测中去,针对图像中高速弱小的运动目标淹没在动态复杂背景中,并与背景中晃动的树叶相互遮挡重合,用一般方法很难检测出目标的难题本文给出了两种目标检测算法：一是基于差分的视觉显著性的运动目标检测算法,二是改进的基于视觉显著性的运动目标检测算法。第一种算法的核心思想是根据线阵CCD图像的特点,对图像进行了相邻帧差分处理,去除了复杂静态背景及缓慢运动的大部分背景,并构建了新的特征向量,设计了与目标形状相似的双搜索窗口,通过计算中心邻域窗口与周围邻域窗口特征向量的相似性来表达各个像素的显著程度,从而得到图像的显著度图,再将显著度图进行聚类分割,把包含目标的一类分割出来,最终将复杂背景中的弱小目标提取出来。为了提高算法的计算效率,本文又提出了改进的基于视觉显著性的运动目标检测算法,在该算法中,将不再对图像进行差分处理,而是利用线阵CCD图像的特点直接将上述算法中的差分思想融合到显著度图的计算当中,即由于相邻行之间具有相关性,则将双窗口的大小由M1*N1—M2*N2改为1*N—M*N,仅仅计算行之间的特征向量的相似性来表达各个像素的显著程度,进而得到图像的显著度图,并且根据改进窗口的形状特征和图像的特征又重新提出了新的特征,构成了新的特征向量。基于上述算法的思想,本文通过实验验证了算法的有效性,并与常用方法做了对比,结果表明,对于线阵CCD不同光照强度的静态背景和复杂动态背景下的运动目标检测,本文算法可以很好的抑制噪声和背景,检测出目标,达到了预期的效果。