近年来,我国的海事活动日益频繁,加之海上通航环境日益复杂,海上交通事故时有发生。然而,我国的海上搜救活动却存在着“看不见、靠不上、救不起”三大问题,通过本文的研究,旨在为解决“看不见”的问题提供技术支撑。所谓“看不见”,即在恶劣海况或恶劣天气条件下不能有效的发现远距离的待救援目标。基于海面红外图像的小目标检测技术是海面搜寻系统中的关键技术之一,是解决“看不见”问题的有效方式。由于在实际探测中目标的距离相对较远,容易受到大气传输的影响,传感器接收到的目标辐射量通常很小,真实目标容易被噪声和背景杂波淹没,可靠的检测到真实目标异常困难。因此,在恶劣海面环境条件下对小目标进行检测是目前的一个研究热点。本文利用海面红外图像对小目标检测算法进行研究。通过分析海面红外图像中易造成虚警的海浪杂波的特性及小目标特性,提出基于峰值聚集量与高斯性判别对海面红外图像中的小目标进行检测的算法,该方法首先通过局部大值检测去除绝大多数背景,提取出具有局部显著性的区域,形成二值化掩模;然后,通过峰值聚集量判别定位疑似小目标区域;最后,将局部大值检测和峰值聚集量判别的结果融合,对融合后的图像进行高斯性判别剔除分布于有效目标附近的弱小海浪及零散分布的岛屿边缘,实现目标检测。该算法对小目标有较好的检测效果,但存在讨论参数相对较多且参数间相互关联的问题,对参数值的设定有较高的要求。为了减少算法参数的个数,提高算法鲁棒性,在峰值聚集量判别的基础上,结合多尺度的思想,提出基于峰值聚集稳定度与区域判别对海面红外图像中的小目标进行检测的算法。该算法设定多个峰值衰减度,在各个衰减度下分别计算红外图像中各个像素点处的峰值聚集量;然后,统计每个像素点处多级峰值聚集量的方差以及在强衰减度条件下的峰值聚集量,通过阈值判定保留强衰减度条件下峰值聚集量小且多级峰值聚集量方差小的区域,形成疑似目标区;最后,对疑似目标区的面积进行阈值判断,保留较大区域剔除噪声干扰,完成对图像中小目标的检测。改进的算法不仅实现了参数的减少而且进一步降低了虚警率和漏警率两个指标。实验验证方面,先根据主观视觉效果对单帧检测结果进行定性评价;然后根据虚警率、漏警率和F1分数三个客观指标对单帧检测算法性能进行定量评价;最后利用抗抖动管道滤波算法对单帧检测的结果进行进一步的噪声剔除。实验结果表明本文算法对各类海况条件下的获取的红外图像中的小目标均具有良好检测性能。