本文对红外目标检测、识别以及红外目标图像的处理算法进行了一些研究。主要有空时域滤波在红外目标检测中的应用、红外目标运动检测分析、基于灰度估计的红外目标检测研究、红外目标逐步匹配识别算法研究,基于标记和神经网络的红外目标识别算法研究。从抑制背景的角度,研究了空时域滤波在红外目标检测中的应用,既从空域上考虑,又从时域上着手。图像在空域上的滤波采用自适应滤波减少噪声的影响。针对梯度形成的目标边缘,可能在时域差分后损失有用信息,本文提出在差分前先检测目标边缘,差分后利用像素邻域的信息加以插值补偿。由于时域和空域的噪声是互不相关的,所以将空域滤波的结果和时域滤波的结果综合,得到具有高信噪比的图像,能很好地适应复杂的起伏背景,达成对目标的有效检测。针对目标运动检测问题,从光流法分析、梯度运动估计和灰色系统估计三个方面进行分析。经过仿真试验得出结论,最好在实用中将光流法分析和梯度运动估计结合,先用光流场发现目标的运动规律(前提是符合光流的形成条件),再用梯度方法准确测量,针对运动目标的帧间运动轨迹用灰色系统估计来预测。试验表明,采用上述方法对红外运动目标检测有一定的建设性意义,同时考察了检测运动目标的适用度。对于灰度估计下的红外目标的检测问题,提出了改进的最大熵估计算法,首次提出了熵估计中的柔性因子和强制因子的概念。利用红外目标图像的熵进行灰度估计后,对筛选出来的目标做标记,经像素形态结构算子滤波后,检测出红外图像相对应的目标。为求解由马尔可夫随机场问题分割图像的最大后验概率问题,采用了基于博弈论的决定性退火算法,它能收敛于局部最优解。再利用矩函数的特性,对退火后的图像的矩-傅里叶描述子特征向量构成的特征矩阵进行逐步匹配。使用退火处理与逐步匹配识别算法的结合,能够在很大程度上识别到目标。研究了基于标记和神经网络的红外图像识别问题。选取实际红外目标,依据预处理后的图像,提取对应目标的递归标记作为BP网络的输入样本,目标的形心为输出样本,构建BP神经网络。对网络进行抗干扰训练后,根据目标形心特征进行变分辨率相关匹配。在提高了目标识别率的同时,极大地增强了图像处理的实时性。本文通过仿真,对红外目标检测和识别体系中的红外目标图像处理方法进行了深入研究,为复杂环境下红外目标检测和识别提供了有效的算法,对工程实践具有指导性意义。