特定视场中红外成像目标检测技术的研究是利用红外光学成像传感器,从低空、深空、海天及陆地等客观场景中获取目标／背景信息,使用信号处理手段和基于视觉机制的图像识别理论与人工智能技术自动地分析理解场景信息,检测感兴趣的红外目标(如侦察机、导弹、车辆、船舶和遇难人员等),获取目标各种定性、定量特征,在线识别和判读目标,进而确定目标类型和锁定指定目标,实现自动化的智能监控。红外目标检测一直是计算机视觉领域中备受关注的前沿方向,复杂场景下的红外目标检测因其现有的低检测率和极高的实际应用价值,吸引着众多学者进行深入研究。本文依据调研情况,针对多种复杂红外场景,从三方面展开深入研究：一是远距离复杂天空背景下的红外弱小目标检测技术研究,二是复杂户外场景下单源红外目标检测技术研究,三是复杂户外场景下红外与可见光协同目标检测技术研究,取得的主要研究成果如下：1、针对远距离复杂天空背景,实现有效抑制背景突显目标的方法。研究一种基于局部分析机制的红外图像增强方法,分析分数阶积分理论,研究分数阶积分的频域特性,结合红外图像特征,尝试性地将分数阶积分理论应用于红外弱小目标增强,提出一种基于分数阶积分算子的弱小目标增强算法。实验结果表明该方法能有效提高图像信噪比与对比度。2、针对远距离复杂天空背景,以背景信息为出发点,提出一种基于人工免疫网络(aiNet)进行背景抑制、基于行列k均值(k-means)聚类实现阈值分割的单帧红外弱小目标检测方法。首先采用aiNet结合Robinson警戒环技术,融入自组织特征映射(SOM)石扑思想,设计一系列抗体进化策略,建立自适应局部空间背景模型一模糊拓扑记忆抗体库,并以此分析各像素点的背景模糊隶属度来抑制背景杂波;接着提出基于行列k-means聚类的阈值分割算法来检测真实目标。实验结果表明,该方法的F1指标高达99%,其能随背景的局部变化来自适应建立空间背景模型,从而自适应抑制背景杂波突显目标,能有效提高信噪比检测弱小目标。3、针对远距离复杂天空背景,以弱小目标信息为出发点,提出一种基于模糊自适应共振理论(Fuzzy-ART)进行背景抑制、基于行列模糊自适应聚类实现阈值分割的单帧红外弱小目标检测方法。首先依据红外成像原理,仿真生成红外弱小目标训练样本；然后采用Fuzzy-ART(?)申经网络建立目标模型,并以此分析各像素点的目标模糊隶属度来抑制背景杂波;最后采用基于行列模糊自适应聚类的自适应阈值分割算法来检测真实目标。实验结果表明,该方法能有效地抑制背景杂波突显目标,并能有效提高信噪比检测弱小目标。4、针对民用复杂户外场景,搭建红外运动目标检测框架,实现高效的目标自动检测方法。基于统计信息分类思想,提出一种基于时空协同机制的红外目标检测框架：“背景提取-背景抑制-背景建模-目标定位-目标检测”。首先分析红外成像的时空相关性,采用多层次时空中值滤波器提取背景帧,接着采用主成份分析技术分解时域关联信息抑制背景杂波；然后采用空间关联模糊自适应共振神经网络建立时空背景模型定位目标；以此进行局部分类检测红外目标,最后采用基于纹理的二值限制型主动活动轮廓模型来提取准确的目标轮廓。实验结果显示,该方法的Fl指标高达96.3%。该方法能有效抑制背景定位目标,有效检测出复杂场景下的红外目标。5、针对民用复杂户外场景,协同红外与可见光数据源,建立可靠的红外与可见光协同目标检测方法。针对复杂场景下现有单一类型成像监控警戒系统所存在的适用范围窄、杂波干扰强和目标检测率低等问题,提出一种基于多值免疫网络模型的红外与可见光协同目标检测方法。首先采用模糊自适应共振神经网络建立红外与可见光各自的背景模型；接着依据多值免疫网络模型,将红外背景模型视为B细胞,可见光背景模型视为T细胞,设计一系列免疫应答策略来协同建立B细胞与T细胞的交互模型,并以此分析各像素点的背景模糊隶属度来检测目标。实验结果表明,该方法的F1指标高达96.4%,能有效协同互补红外与可见光信息,检测出复杂场景下的目标。