海上目标检测在保证船舶航行安全以及实施海上搜救等方面具有重要意义,长期以来得到了国内外学者的广泛关注。其中,由于海上小目标距离成像系统很远,具有面积小、信噪比低等特点,加之海况变化复杂,海上红外小目标图像的检测和跟踪逐渐成为这一领域的关键技术之一。本文在归纳、参考前人研究工作的基础上,以海上红外小目标检测问题为主要研究内容,以提高海上红外小目标的检测准确率和速度为目标。在学习借鉴已有研究成果基础上,从红外图像预处理和红外图像小目标检测两个方面提出其相应的改进算法,主要研究工作和研究成果包括:(1)对红外小目标检测的国内外研究现状、代表性研究方法进行了整理、分析和总结,提出了当前在海上红外小目标检测方面存在的主要问题和挑战。(2)在红外图像预处理方面,在分析红外图像与可见光图像在图像的成像原理、图像的直方图特征和图像噪声特点基础之上,研究提出了一种直方图均衡化与Retinex相结合的红外图像增强算法。该算法利用小波变换将红外图像背景与目标分层,红外图像的细节部分保留在高频子带图像中,背景保留在低频子带图像中,然后分别使用Retinex算法对高频部分进行增强,获得能够保留红外图像原始细节信息的高频部分增强图像,使用局部直方图均衡化处理低频部分图像,提高图像整体对比度,然后进行图像加权融合。实验证明,改进后的算法既能提高图像对比度又能增强细节进而得到较大的信息熵,在图像增强方面具有有效性和优越性。(3)在红外图像小目标检测方面,在对经典小目标检测算法进行综合比较分析基础上,.结合海上红外小目标图像的具体特点,研究提出了一种基于改进损失函数的Faster R-CNN网络的海上红外小目标检测方法。在损失函数设计方面,原损失函数只能调整正负样本的权重,改进后的损失函数能根据样本分类的难易程度调节权重,使模型收敛更加快速。在实际采集到的数据集上的实验结果表明,与原网络模型的表现相比,利用基于Faster R-CNN的改进网络有效提高了检测精度,且收敛更加快速。