图像制导在现代战争中应用非常广泛,但其作用距离较短。研究低对比度图像中目标的分割与识别算法,在某种意义上可以达到扩展作用距离的目的。低对比度目标分割的难点在于:目标成像距离较远、目标成像尺寸较小,背景大面积存在,使得目标淹没其中。相对于其他目标分割问题而言,复杂背景下的低对比度目标的准确分割就是一项更具有实际意义和挑战性的研究课题。为解决该问题本文进行了以下研究。本文分析总结了现有的几种典型的背景抑制算法的优缺点,最终确定采用自适应灰度形态学背景估计技术作为研究的重点,对目标图像的背景进行抑制。由于形态学背景估计法关键要确定结构元素的尺寸,而目标图像在成像过程中随着距离的变化成像大小也变化,不能采用单一尺寸的结构元,为此文中提出一种结合拍摄时目标与传感器相对位置的变化信息的自适应灰度形态学方法对图像进行背景估计。由于低对比度图像的直方图无明显的峰谷,不能采用传统的方法进行分割,因此论文对多种分割方法进行了理论分析和性能对比,然后根据低对比度图像自身存在的灰度分布比较集中的实际特点,最终确定采用最大二维熵方法来确定阈值。为满足实时性的要求,文中对最大二维熵法进行了算法简化。实验结果表明,该简化算法可以有效的减少运算量,使得运算时间大大减少,实时性好,易于工程实现,基本解决了对复杂背景下的目标和背景信息进行分离的难题。