近年来,随着海上活动不断增加,海上环境也是越来越复杂,导致海上突发事件的发生概率和复杂性与日俱增,海上目标检测技术已经成为了众多学者研究的一个热点问题。本文通过查阅有关海上突发事件的文献了解到逆光环境一直是导致海上搜救率低的一种情况,因此本文主要针对于检测时常遇到的逆光环境进行了分析,从而提出了两种逆光海上红外图像目标检测方法。逆光环境给海上目标检测增加的难度是逆光图像中目标的灰度低于背景灰度,海浪较强时海上会出现不均匀的干扰亮斑和暗斑,海浪较弱时海上会随机出现成片相连的光滑亮纹,并且除了逆光环境本身存在的影响之外还可能存在岛屿、礁石等干扰。通过对逆光海上红外图像灰度、对比度特征分析可知,图像目标检测的问题是目标的灰度、对比度信息不显著,针对这一问题可采取频率域的处理方法来滤除背景杂波的干扰。通过对逆光海上红外图像梯度方向特征分析可知,图像目标检测的问题是弱海浪逆光图像中目标具有整张图像中最强的梯度相关性,但强海浪逆光图像中的干扰亮斑具有更强的梯度相关性,针对这一问题可滤除强海浪逆光图像中的亮斑干扰从而使目标具有整张图像中最强的梯度相关性。通过对基于灰度、对比度以及梯度方向特征的典型海上目标检测方法的优缺点分析,视觉注意力模型法更适合于逆光海上目标的检测。由于选用梯度相关性来提取目标相比于灰度、对比度特征来说无需对图像进行预处理,这样有利于减少算法的时间复杂度。因此本文提出了一种基于单特征视觉注意力模型的逆光海上红外图像目标检测算法。首先该算法通过对比分析选用标准差方法来判断图像中海浪背景的强弱,其次针对于强、弱海浪背景选择不同的“中央-周边”差异算子来提高目标的显著性,最后应用快速分割方法对目标进行提取。实验结果表明该算法虽然具有较低的时间复杂度但同时存在两点问题,其一是当出现强海浪逆光环境时真实目标虽然没有被遗漏但出现了虚警。其二是复杂度较低的快速分割方法尽管能保证处理速度的优势,但是最终检测结果中目标的面积被衰减,这势必会影响到后续的目标定位和目标跟踪。为解决以上两点问题,本文又提出了一种基于两特征视觉注意力模型的逆光海上红外图像目标检测算法。首先,通过对逆光海上环境下目标灰度以及对比度特征的分析,选用了一种高斯差分预处理的方法来实现增强目标显著性的效果。然后,选用标准差作为判断图像中海浪背景强弱的方法。之后,将处理强海浪逆光图像的“中央-周边”差异算子改进为凸显目标显著性的“中央-周边”差异操作,弱海浪逆光图像沿用单特征“中央-周边”差异策略,以达到抑制海浪以及强背景干扰的效果。最后,通过改进的二值化方法自动分割出目标,保持了目标的原有面积并实现了使检测结果更加精确的效果。为实现对算法的有效性验证,本文针对逆光环境开展了多次多场景的海上红外图像采集实验,并利用实拍的红外图像和网上搜集到的红外图像对算法进行了可靠性验证。从而由最终的实验结果表明,本文提出的基于两特征视觉注意力模型的逆光海上目标检测算法比基于单特征视觉注意力模型的算法、小波变换法、改进的视觉注意力模型法具有更低的漏警率和虚警率。在算法的时耗上,单特征的目标检测算法要低于两特征的目标检测算法,而对比方法的时耗是要高于本文提出方法的。