海上红外目标检测作为海洋图像分析的核心技术之一,在海洋智能化防卫上有着重要的应用,已成为计算机视觉领域的研究热点和重要分支。尽管在红外目标检测领域,人们已提出大量的检测算法,但海上红外目标检测仍然充满挑战。由于海浪的运动性及时间方向上海波形态、亮度的差异性,局部空间内海波灰度分布的差异性,以及风速、光照变化、摄像机抖动、天气等因素的存在,加之目标材质、大小及数目的多样性,使得海上红外目标的准确检测变得困难。本文围绕如何较彻底的抑制海杂波及完整提取目标的方向,针对海上红外图像及海上红外序列图像的目标检测两个方面,取得如下创新性的研究成果:（1）针对海上红外图像目标检测中海面波动剧烈、局部对比度显著,但全局对比度较低等难点,提出了一种分数傅里叶域内高阶统计量滤波的海上红外目标检测算法,该算法对海浪波动剧烈场景下的目标具有较高的检测性能。分析了海上红外图像在列方向不同分数傅里叶变换角度下目标幅度谱和海水幅度谱的重叠比例,确定了最佳的变换角度范围。为了区分纯海水频率点和非纯海水频率点的分数域幅度谱序列,提出了一种新的高阶统计量。定义了图像在每个频率点处分数域幅度谱的最大显著度,并证明了图像高阶统计量曲线的最大峰值区间恰为目标幅度谱所在区间,而最大峰值区间以外的值对应为海杂波幅度谱并迅速衰减至0。将此最大峰值区间作为分数傅里叶域内理想带通滤波器的通带范围,可准确快速的提取目标幅度谱范围,而抑制大量的海杂波。实验结果表明,所提出的滤波算法在海浪大、目标小的情况下能准确的检测出目标,并较彻底的抑制海水。（2）分数傅里叶域内高阶统计量滤波法能准确提取目标所在的局部区域,但对局部区域内目标较暗弱的情形易造成船体检测不完整,对多目标情形易造成漏检。针对此局限性,提出了海上红外序列图像傅里叶域内基于海水分类的自适应单高斯背景建模的目标检测算法,该算法对海杂波干扰严重和低对比度场景下的暗弱目标具有较优的检测性能。通过分析海上红外序列图像的幅度谱序列在统计意义上的稳定性和可分性,确定了最佳的傅里叶变换方向。在对测试帧的幅度谱进行初次高斯判别的同时,对测试帧在一个较小时间窗口内的幅度谱序列的波动性进行了度量。根据初次高斯判决的二值结果和图像的频域波动性度量,设定了综合目标判别标志位,可将检测结果细分为目标、波动显著的海水及平静的海水。根据此分类结果,设置了基于每类的自适应的高斯判别系数,对测试帧幅度谱进行了二次高斯判别。设计了傅里叶域的熵值滤波器,熵值滤波结果可进一步增强目标和海水的对比度。实验结果表明,该算法对剧烈波动的海水及暗弱目标的场景具有较优的检测效果。（3）针对傅里叶域内基于海水分类的自适应单高斯背景建模检测法参数调整较难且复杂度稍大的缺点,提出了海上红外序列图像傅里叶域内混合高斯背景建模的目标检测算法,该算法对目标灰度分布不均匀的场景具有较优的检测性能。分析了多数海场景的幅度谱序列具有多模态分布特性,将每个频率点在时间方向的幅度谱序列用混合高斯分布来描述。将测试帧的幅度谱和背景模型里的每个高斯分布分别进行匹配,根据匹配结果,对相应高斯分布的参数及权重分别进行更新。将更新后的高斯分布进行排序,根据测试帧和高斯分布的匹配次序是否出现在指定数目的高斯分布范围内,将频率点划分为背景频率点及前景频率点。实验结果表明,该算法对波动显著海背景下的灰度分布不均匀的目标具有较优的检测性能。（4）针对突然出现且持续存在一段时间的较亮浪花不易和目标区分的难点,提出了海上红外序列图像傅里叶域多特征融合的背景建模的目标检测算法,该算法能有效抑制突然并持续出现的较亮海浪,准确的提取目标。深入分析了海水和目标在傅里叶域内的特征的差异性,提出了能有效区分目标和海水的多特征,即背景减除特征、测试帧幅度谱和更新背景的线性相关特征及测试帧幅度谱在局部时空窗口内的振荡快慢特征,验证了在傅里叶域内提取有效分离海水和目标的特征比空域中具有更强的科学性和可分性。其中,背景减除特征通过比较测试帧幅度谱和更新背景的局部统计特性的差异,进行前景频率点的提取,且前景提取的阈值根据不同的海水波动程度而设定。对前后两测试帧有无突变浪花出现的情形,采用两种不同的策略对背景参数进行更新。根据不同海场景波动的剧烈程度,对每种特征自适应的赋予了权重,并以合理的策略融合起来,融合后的特征能更有效的分离目标和海水。实验结果表明,该算法对多种海场景有较好的适用性,在突然并持续出现的较亮海浪的干扰下,具有较优的检测性能。针对海上红外图像目标的成像特点,本文在广义傅里叶域中对目标的检测问题进行了较为深入的研究,取得了多项具有创新性的成果。本文工作对海上红外成像目标检测理论的发展和完善具有较大参考价值。