本文主要围绕红外自动目标识别系统中的关键问题,即低信噪比红外小目标的检测、分割以及预处理技术而展开了理论与实验研究。均值漂移是近年发展起来的一种优秀的统计聚类方法,在图像分割和跟踪等计算机视觉领域都有着很多很好的性质,但在红外弱小目标检测识别领域应用较少。本文将均值漂移算法应用在低信噪比红外小目标的处理工作中,主要内容如下:第三章研究红外小目标检测的预处理问题,通过建立红外小目标图像的场景模型,分析该情况下图像预处理的特点,研究得出一种基于均值漂移滤波与高通滤波的预处理方法。该预处理方法综合考虑了噪声削减、背景抑制及目标增强效果,将多种预处理方法结合应用,实验结果表明该方法能对复杂背景条件下的红外小目标图像进行有效地预处理。第四章研究红外图像中弱小目标的检测问题,提出了一种能量累积与均值漂移聚类结合的红外小目标检测方法。该算法首先利用滑动窗口处理实现图像序列中目标的能量积累,提高信噪比;然后通过选用不同尺度的核带宽进行聚类以得到目标及背景图像,将二者进行差分以实现背景抑制,同时滤除噪声;之后用门限分割方法提取目标区域,实现候选目标的准确定位。第五章研究红外飞行目标的分割问题,重点研究传统均值漂移算法的改进措施,使其满足实时红外图像信息处理的要求。首先根据红外图像提供的先验知识,优化选取搜索出发点与带宽矩阵,依照确定的带宽矩阵进行均值漂移聚类,得到不同的局部模式后对图像进行自适应滤波,再通过一个全局标准进行局部模式融合,得到最终的分割结果。最后对全文工作进行了总结。