世界各国国防科研实力的提升,使得现代化战争的作战环境纷繁复杂,从而也对各项现代化战争设备提出了越来越高的要求。作为红外预警系统当中关键技术之一的红外小目标检测系统而言,是否能快速而准确的识别作战场景中的各式武器并进行精确跟踪,则为后续作战方案的制定和实施起了重要的作用。然而,由于作战环境场景复杂、地域跨度大、远距离成像等原因往往使得采集的红外图像存在:目标弱小、缺乏纹理信息、目标运动规律复杂等特点,从而使得目标极易被淹没。基于这些客观因素,复杂背景下的红外弱小目标的检测与跟踪一直是当前研究的热点和难点问题。由于人类是使用视觉注意机制进行视觉信息处理的专家,其中人眼能迅速的在一系列复杂的场景之中找到感兴趣的目标。因此,将人眼视觉注意机制引入到目标检测系统中将能使该系统的性能得到进一步的提升。基于此,本文将从人眼视觉的角度出发,对复杂背景下红外图像中弱小目标进行显著性建模,开展基于视觉注意机制的弱小目标显著性检测方法研究,主要内容包括:(1)提出了基于谱分析模型的红外弱小目标显著性检测算法。算法首先从背景检测出发,通过研究谱残差的方法,解决了红外弱小目标特征匮乏的问题,突出了红外弱小目标;然后通过局部直觉模糊c均值聚类算法将图像进行聚类,有效的减小了图像中目标相似点与真实弱小目标间的相似度,缩小了类目标点的差距。实验结果表明,该算法有效地提高了检测效率,并降低了误警率。(2)提出了基于混合模型的红外弱小目标显著性检测算法。根据红外图像的特征,通过改进后的四种不同显著性算法:AC,FT,GBVS及PQFT提取图像的显著性,结合了已有显著性检测算法的优势。根据不同显著性图像显著度的差异,对不同显著性图像显著度进行有效融合,更好地实现了图像中目标显著性检测。该种算法的提出充分融合了不同显著性检测算法的优点,提高了检测的正确率。(3)提出了基于认知模型的红外弱小目标显著性检测算法。算法利用快速导向图滤波器的特性得到了红外图像的背景,通过最小均方误差双直方图均衡算法对得到的红外弱小目标的显著性图像进行了有效的视觉增强,从而使得红外弱小目标在图像当中更加凸显。该算法分别从背景和目标两个不同的角度出发,使得检测的效率和检测的准确性都得到了有效的提升。