红外图像中的目标检测是红外制导、跟踪及预警的关键。因摄像距离远、设备干扰强等因素影响,使得红外图像具有目标信号弱、杂波信息多的特点,这增加了红外图像中弱小目标检测的难度,同时也使红外图像目标检测成为国内外学者研究的难点。图像中的目标检测主要是根据目标信号的奇异性对其进行分离,目标信号的这种奇异性使得信号是非平稳的,而经验模态分解算法就是针对非平稳信号处理同时可以根据信号自身特征对其进行分解处理。因此本文深入研究了经验模态分解算法及红外图像特性,将经验模态分解算法应用到单帧、序列红外图像目标检测中。本文主要工作如下:1.分析现有的一维、二维经验模态分解算法的理论、问题及性质,提出三维经验模态分解理论及实现流程。2.总结几种现有的图像预处理方法,包括基于二维经验模态分解的预处理方法,同时陈述图像中目标检测的原理,包括目标的特性分析及目标阈值分割。随后将经验模态分解算法与单帧图像目标检测相结合,提出一种基于经验模态分解的单帧图像目标检测算法,该算法通过二维经验模态分解对图像进行预处理,使用一维经验模态分解算法对图像进行行列分解及变换,并通过阈值分割分离目标信号。最后通过实验仿真验证本算法的检测性能。3.对红外图像序列的时域特性进行分析,提出一种基于一维经验模态分解的序列图像目标检测。本算法基于序列图像的时域特性,通过经验模态分解将序列图像的时域轮廓线分解成一系列具有图像时域波动细节信息的分量,对分量进行符号化、特征提取及分类等处理判定该点轮廓线类别,最终检测序列图像中的目标运动轨迹。仿真实验表明本算法对红外序列图像的目标检测具有一定效果。4.综合序列图像单帧及多帧之间的关联性,将三维经验模态分解应用到序列图像目标检测中。本算法基于三维经验模态分解的整体性,对每帧图像预处理后将序列图像视为三维整体进行分解,随后将高频分量进行处理以抑制背景、强化目标。最后通过对本算法的仿真实验以及与基于一维经验模态分解的序列图像检测算法的对比分析证明本算法在序列图像目标检测上具有较低的误警率以及较高的检测效果。