红外热成像技术因其在雨,雾等恶劣气候条件下具备全天候超视距的能力,目前已成为各国军方和民间研究机构的研究热点。将红外热成像技术与现代计算机的高速运算能力相结合,开发出基于红外图像的目标检测算法,不仅能大大提高红外热成像器件的视频输出质量,方便人类理解和使用;同时为基于海、陆、空的各种交通工具开发的智能助航设备提供了解决办法;并有利于增强各种武器的制导能力。针对这一需要,本文提出了一种基于红外图像的动态目标检测算法,该检测算法包含三个步骤:基于小波理论的图像去噪,基于分形理论的目标检测,基于Otsu方法的图像阈值分割。红外热像仪成像的分辨率不高且噪声较为严重。小波变换的时-频局部化特点和多尺度特性使其成为图像去噪中比较常用的方法。因为阈值去噪的普适性及可操作性的优点,选择了小波阈值去噪的方法,并对阈值函数进行了改进。该去噪算法无论从峰值信噪比还是从视觉效果上都要好于普通的空间滤波及频率滤波的方式,也优于以往的小波阈值去噪方法。分形算法是比较常用和实用的目标检测算法,因为自然物体和人造物体的分形特征参数不同,通过计算红外图像的分形特征参数,可以达到区分红外目标和自然背景的效果。在红外图像中,多尺度分形参数具有比单一尺度更强的稳定性和以及增强目标,抑制背景的能力,又由于毯覆盖法易于进行多尺度的计算,本文提出了计算基于毯覆盖法的新的多尺度D维面积K(即MMK)的目标检测算法。然后依据在不同算法中背景的随机性和目标的一致性特点,提出了将MMK和基于灰度法计算的分形维数DΔr结合使用(MKD)的目标检测算法。实践证明,基于新的分形特征参数MKD的目标检测算法效果优于以往的基于分形理论的目标检测算法。随后,通过Otsu阈值分割,证明了MKD分形算法的稳定性和准确性。并在最后提出了伪目标排除方法。试验结果表明,该算法可运用于内河、海洋、航空等场合中的红外动态目标检测,且算法准确率较高,稳定性好,满足了实际运用的需要。