随着我国内河航运业的发展,航运事故发生的几率也同样的增加,特别是大雾等能见度比较低的天气状况,更容易发生船舶相撞事件。因此船舶避撞是航运业面临的一个主要问题,船舶避碰成功的关键之一是获取他船位置的准确信息。红外成像设备具有抗干扰能力强,气候环境适应性强,昼夜连续被动探测等优点。尤其是可克服雷达目标因杂波干扰而难于探测的问题。本课题的研究,通过在船舶上安装红外热像仪,采集红外视频数据,并用图像处理算法来进行目标检测,给操船人员提供目标船只信息,辅助操船人员进行决策,减少船舶相撞事故的发生,保障人员的生命和财产的安全,确保内河航行运输安全。本文首先研究了各种图像预处理算法,并编程实现了这些算法,然后用红外图像对这些算法进行了测试,给出了效果图,并分析了这些算法对红外图像处理的优点和缺点。红外船舶目标图像一般处在天水线附近区域。船舶目标不可能完全脱离天水线而处在天空区域,也不可能完全脱离天水线而处在陆地、峡谷等其它区域。本文的思路是先检测出天水线,然后把原始图像中的天水线上下一定范围内的区域作为感兴趣区域(ROI),再在感兴趣区域内进行目标检测。本文提出了一种快速有效的基于Ostu阈值分割和Hough变换相结合的天水线检测算法。该方法利用了天空背景和水面背景灰度特性的反差,用Ostu阈值分割对这两类背景进行分离,而他们的交界线就是天水线。经过对Ostu分割的结果进行细化以后,这条交界线可以通过Hough变换找到,从而实现天水线检测。针对内河背景环境,本文提出了基于形态学重构的红外目标检测算法。形态学重构就是用一幅图像(标记图像)有目的地复原另一幅图像(掩模图像)。本文通过形态学开运算来估计背景,然后经过Top-hat运算来把目标从背景分离出来,接着再阈值分割,把目标彻底从背景分离出来,形成掩模图像。红外船舶图像中像素灰度值最大的区域,也就是红外船舶图像中最亮的区域是船舶的烟囱或者发动机等温度较高的部分,本文通过算法选取这些区域作为标记图像,最后通过形态学重构实现目标检测。本文还对灰度形态学的实现算法进行了优化,大大提高了算法的运算速度,为算法的实时性打下基础。总的来说算法的准确性和运算速度都达到了本文的预期研究目标。