研究发现,自然环境中的可见光和其他波段的光谱可能被大气中的云层、杂质等物质吸收,波长在3-8微米的热红外线一般是不会被这些物质所吸收的,所以这种红外技术具有勘测距离远、隐蔽性好、抗电磁干扰能力强等众多优点,在很多军事设备中应用极其广泛,如隐形飞机、军事手枪瞄准镜、导弹系统中。早期预测小目标的位置是至关重要的。因此,空中红外小目标检测便成为军事领域研究中的关键技术之一。与此同时,红外图像受到周围环境变化的影响较大,红外图像中的目标成像距离较长,通常以点状的形式出现。它不能准确地表达目标的纹理、形状等各种信息,造成准确定位目标位置困难。现阶段,研究高效的空中红外小目标检测系统,提高红外远小目标的检测精度和速度对精确制导、目标巡视、遥感监测等军事领域应用具有重大意义。本论文在研究分析国内外空中红外小目标检测系统的基础上,提出了一种基于多尺度特征融合的空中红外小目标检测方法,该方法通过细化和融合特征图提出了一种特征融合模块,通过SP模块提高特征图不同通道的相关性。基于上述方法,设计了一种在线空中红外小目标检测系统。本文主要从以下几个方面开展研究工作:1.检测系统主要由硬件和软件两部分组成,在硬件部分,型号为Fluke Tix640的红外相机因其低功耗,高帧频等优势作为空中红外小目标图像的采集装置,树莓派作为控制芯片具有精度高、外设集成度高、数据及程序储存容量大和A/D转换精度高速度快等优点,实现对空中红外小目标的图像获取,并对图像数据进行分析。2.由于空中红外小目标具有远而小等特点,为了提高系统的检测精度,本文利用深度学习技术对空中红外小目标检测系统进行研究。提出了一种多尺度特征融合的空中红外小目标检测方法,该算法在SSD算法的基础上进行改进,该算法由三个部分组成:SP模块、FFM模块和特征提取。在特征提取部分,我们采用了SSD算法的主干网络,选取轻量级VGG16网络作为特征提取的主干网络,通过融合浅层和深层网络的特征图提取纹理信息和语义信息而提出了一种FFM特征融合模块,我们使用sub-pixel convolutional layer和pathway layer来调整不同特征图之间的映射关系,而不是采用上采样和下采样的方法。用于防止空中红外小目标经过多次下采样后被噪声所淹没,从而得到结构层次丰富的特征。然后通过SP模块提高特征图不同通道的相关性。从而得到丰富的纹理和语义特征来提高小目标检测的精度。3.结合实际的需求,设计并实现了空中红外小目标检测识别系统。本系统包括基于Qt的设计软件平台和硬件检测平台。通过对系统功能的测试,能够满足性能需求,具有比较高的应用价值。通过对以上工作的研究,本论文实现了空中红外小目标检测系统,满足了目前应用领域的需求以及为开发新的空中红外小目标检测方法提供了思路。