夜视图像发展至今由于其低分辨率、低对比度、高噪声的性质,使得传统的目标检测算法在夜视图像方面处理效果欠佳。算法研究的难点是如何通过预处理算法提高目标检测的效率和采用相应的方法检测出目标。本文针对红外和微光双谱夜视图像在目标检测中的上述问题进行了较深入的研究。论文在分析了目标检测算法的步骤和常用算法的基础上,针对红外和微光夜视图像的特性从图像预处理和目标分割两个方面对课题进行了展开。在图像预处理方面通过对红外和微光成像原理的研究,分析了它们噪声特性和成像特征,总结了一些常用的去噪增强方法。根据红外图像对比度低的特点研究了对比度增强的混合算法；对自适应中值滤波算法进行了改进,在该算法的基础上研究了结合小波原理的红外去噪算法；除此之外结合该改进的自适应中值滤波算法在微光图像中提出了基于时域和空域数据融合的增强方法,通过仿真实验表明这些算法达到了预处理的目的。在图像分割算法方面重点分析了基于灰度的分割,在传统的二维最大熵分割方法的基础上提出了灰度级-加权的区域内最大值灰度级建立二维直方图的最大熵分割算法,该方法通过选取合适的权值,抑制噪声和背景达到目标检测的目的。单一波段的红外和微光图像存在着各自的优缺点,二者结合考虑将获得更好的检测效果,于是结合文中改进的二维最大嫡分割方法,分析研究了基于多维特征矩阵与运算的特征级信息融合检测的算法,并且利用该算法在多波段夜视探测系统实验平台上进行了红外与微光双谱夜视图像目标检测实验,获得了较好的目标检测效果。