蔡云泽，张彦军

（1.上海交通大学自动化系，上海 200240；2.系统控制与信息处理教育部重点实验室，上海 200240；3.上海工业智能管控工程技术研究中心，上海 200240；4.海洋智能装备与系统集成技术教育部实验室，上海交通大学，上海 200240；5.上海交通大学海洋装备研究院，上海， 200240）

0 引 言

与基于可见光图像和雷达图像的目标检测技术相比，基于红外图像的目标检测具有可全天时检测、隐蔽性好等优势［1-2］。在一般红外图像中，远处的导弹、战舰、天体等目标尺寸很小，甚至仅占成像平面上的几个像素，呈现为弱小目标的状态，缺乏形状、纹理等丰富的特征信息，在检测时难度很大。同时，陆地、海洋、天空等复杂多变、灰度分布不均的背景环境以及随机出现的噪声点都进一步增加了红外弱小目标的检测难度［3］。因此，红外弱小目标的检测成为红外图像探测技术的研究热点。

传统的单帧红外弱小目标检测算法可分为基于背景抑制的滤波算法、基于人类视觉系统（human vision system，HVS）的对比度算法和基于图像数据结构的分解算法［4］。基于背景抑制的滤波算法包括数学形态滤波［5］、高通模板滤波［6］等的空域下滤波算法和巴特沃斯滤波［7］、非下采样轮廓波变换滤波［8-9］等的频域下滤波算法，检测效果依赖阈值的设定，泛化性较差。基于人类视觉系统的对比度算法基本原理为根据小目标和邻域之间的灰度差异进行检测。Chen等［10］率先将对比度思想用于红外弱小目标检测，提出了基于局部对比度测量（local contrast measure，LCM）的红外弱小目标检测算法；……