文 献 综 述
一、课程研究的背景及意义
红外探测系统利用目标与背景的温差所引起的辐射差异来成像，可昼夜工作、隐蔽性好。随着红外探测器性能的不断提高，红外成像探测技术在军事与民用领域的应用不断深入。然而，由于场景、环境干扰等因素作用，在探测系统中，大部分军事目标呈现出弱小目标的特征。检测并提取红外视频图像中的弱小目标，在红外火控、导引、预警等以及民用监控等系统中具有重要的应用价值。本课题的主要任务是研究相应的算法，完成从输入的红外视频图像中检测出弱小目标，并为精确判断和识别提供条件。
二、国内外研究现状
红外成像技术优势明显，但在红外目标检测过程中，存在系统自身噪声、受海面背景杂波干扰等问题，近几年针对红外图像的各种图像处理相关研究很多，目前红外小目标检测方法基于空间滤波的方法[13]、基于频域滤波的方法[14]、基于人类视觉响应（HVS）的显著度检测方法[1]等。
三、红外小目标探测算法分析
一般而言，尺寸小于图像面积的0.15%的红外目标成为红外弱小目标。从信号强度来说，红外目标的强度一般与背景存在一定差异，但差异不是很大，且背景较复杂。复杂背景中与弱小目标接近的信息一般为随机噪声和背景的边缘。边缘例如海天交接处，强度变化剧烈，与弱小目标的特征接近，但其具备一定的相似性，可通过性能优良的算法进行抑制，目标独立性很强，可通过这一特点与干扰信息区分。
1.基于空间滤波的方法
该类算法主要利用小目标亮度高于其邻域背景，且与背景不相关的特性，直接在空间域对图像进行处理，其特征是通过滤波实现均匀背景的抑制，最早使用的空域高通滤波使小目标和孤立噪声点均可以通过，检测率低。
后来学者研究出其他空间滤波算法，主要有基于形态滤波的算法[3],基于梯度关系和局部连通性的算法[7]等。Top-Hat算法是典型的空域滤波，实际上是原图像与开运算的结果图之差，算法的数学表达式为
