红外弱小目标检测多用于监控侦察领域,及时准确地发现目标尤为重要。红外弱小目标图像中的目标具有低对比度,尺寸较小,无形状纹理等特征,并且会受到复杂背景杂波及随机噪声的干扰。因此,需要抑制背景与噪声,增强目标对比度。传统的算法中,大多不能同时兼顾检测精度、检测效率及场景鲁棒性。分析序列图像中目标与背景及噪声的特性,结合时域信息与空域信息,利用更多的信息进行弱小目标的检测。本文的研究内容主要为红外图像的分析,空时联合局部对比度算法、空时同质性测量算法、空时局部熵算法的研究。主要研究内容有:(1)提出了一种空时联合局部对比度算法。通常,目标所在区域与邻域部分的灰度值是不同的,尽管有时目标与邻域之间的区别并不明显。这意味着目标在空间局部区域是不同的。此外,对于运动点目标,目标在不同帧间的位置有差异变化,有时背景也有变化,但相对于目标的变化较小,因此可忽略,即目标在时间局部范围上也是不同的。因此考虑在空域上采取块对比度与多尺度复合窗口的方式进行目标的增强,在时域上采用帧间均值局部对比度的方式进行背景抑制。结合两者的信息,提高目标的检测性能。(2)提出了一种空时同质性测量算法。空域上的小目标检测,要考虑目标自身的特性,也要考虑背景的特性。在空域上,采取滑动窗口的形式对图像进行遍历,窗口中目标所在部分的计算,属于片内同质性测量,而目标与背景之间的差异性计算,属于片间异质性测量。通过设计相关模型,使得输出结果中,目标得到增强,背景得到抑制。在时域上,尽管不同帧的背景之间会有轻微的变化,但是比起目标的变化是较小的,因此采用方差的方式,对不同帧进行背景抑制,于背景而言,时域方差的计算属于时域同质性测量。最后采取融合方式,对空域与时域的检测结果结合,得出检测结果。(3)提出了一种空时局部熵算法。熵代表着信息混乱程度,因此对于一幅红外弱小目标图像,计算全局信息熵是没有意义的,弱小目标的检测中通常采取的是局部熵计算。考虑到单帧检测中背景及噪声等杂波干扰较大,因此结合时域信息,将相邻帧间的局部熵进行加权融合,再通过不同复合窗口的选取,找出效果最佳的计算值作为最终检测结果。实现冗余杂波的抑制,目标对比度的增强。