赵德民，孙 扬，林再平，熊 伟

（1.航天工程大学, 北京150001；2.航天东方红卫星有限公司, 北京100080；3.国防科技大学电子科学学院, 湖南 长沙 410073）

1 引 言

红外弱小目标检测技术是一些红外搜索和跟踪（infrared search and tracking，IRST）系统的关键技术，例如反导系统和早期红外预警系统。由于军事任务的特殊性，IRST 系统需要尽早准确地发现目标，为部署和反击提供充足的时间。然而由于成像距离较远，红外目标的尺寸非常小，缺乏形状信息和纹理信息。此外，目标所处的背景非常复杂，例如天空背景和海天背景等，包含了强烈起伏的边缘和复杂噪声，导致红外目标的信噪比很低[1-3]。因此，红外目标检测是一项具有挑战性的任务。

一般而言，现有的红外弱小目标检测方法可以分为两类，包括跟踪前检测（track before detection，TBD）方法[4-6]和检测前跟踪（detection before track，DBT）方法[7-8]。TBD 方法利用图像序列的帧间关联信息，对目标所有可能的运动区域和轨迹进行跟踪搜索，然后将目标能量进行累加求得后验概率，最后采用设定的阈值判断是否为正确的目标轨迹。TBD 算法的典型代表包括三维匹配滤波器[9]和三维双向滤波算法[10]等。

与TBD 算法相比，DBT 方法则主要基于单帧检测得到目标候选点，然后利用目标轨迹的连续性排除虚假目标，典型代表主要包括基于空域信息的滤波类方法、基于视觉注意机制（human visual system，HVS）的方法、基于深度学习的方法和基于稀疏性和低秩性重构的方法。其中，基于空域信息的滤波类方法主要利用目标灰度“奇异性”和背景区域缓变性的差异对背景杂波进行抑制，提取目标，这类方法主要包括形态学滤波器[11]（Tophat）、最大均值滤波器、最大中值滤波器[12]（Maxmedian）等。……