王 芳，李传强，伍 博,，于 坤，金 婵，陈亚珂，卢颖慧

（1.河南师范大学 电子与电气工程学院，河南 新乡 453007；2.中国科学院界面物理技术重点实验室，上海 201800；3.河南省光电传感集成应用重点实验室，河南 新乡 453007）

0 引言

红外小目标检测是空中目标检测与跟踪系统的关键技术，广泛应用于红外搜索跟踪系统[1]、红外预警[2]和红外监控等系统中。早期预测小目标的位置是至关重要的。然而，红外图像受到周围环境变化的影响很大，同时，红外图像中的目标成像距离较长，通常以点状的形式出现。它不能很好地表达目标的纹理、形状等各种信息。准确定位目标位置比较困难。因此，红外小目标检测受到了广大研究者的青睐。

传统的红外小目标检测算法主要通过以下几步实现检测：区域选择、特征提取和分类。这类算法通常有支持向量机[3]、视觉显著性检测[4]、图像分割[5]等方法。研究发现，红外小目标检测方法主要分为两大类：单帧检测[6]和多帧检测[7]。单帧检测主要是利用图像的空间信息来检测目标。如LCM（lowest common multiple）、数学形态学、中值滤波和小波变换滤波等。多帧检测主要是利用图像的空间信息和序列图像之间的差异来检测目标。如粒子滤波、匹配滤波和投影变换等。

传统的红外小目标检测方法对目标区域选择策略没有针对性，时间复杂度高，人工特征提取不能满足场景变化的多样化要求，鲁棒性也不是很好。由于检测精度低、复杂度高的缺点，与其他算法相比，我们发现卷积神经网络[8]（Convolutional Neural Networks，CNNs）具有效率高、实时性好等优点得到了广泛的应用，该方法简单有效。……