随着对红外探测系统作用距离等指标需求的提高以及作战环境的日益复杂,对红外目标进行检测识别的难度也不断增加。仅采用单一红外探测器所获得的图像信息很难准确地将目标检测和识别出来。基于双波段图像融合的红外目标检测算法利用了不同波段图像信息的冗余性和互补性,通过信息融合提高红外目标检测和识别的概率,从而进一步提高探测识别的客观性和正确性,成为目前红外探测领域的一个研究热点。首先,基于红外图像特征描述模型,从图像的整体亮度、细节信息丰富程度和目标背景对比度三个角度出发,结合具体的红外图像,采用均值、标准偏差等指标分别对中、长波红外面目标及小目标成像特征进行分析。其次,研究提出了一种基于非下采样轮廓波变换-脉冲耦合神经网络(NSCT-PC NN)与Canny边缘检测相结合的双波段红外面目标融合检测算法。该算法通过NSC-T与改进的PCNN相结合实现了双波段面目标图像的像素级融合,增强了面目标的图像细节并提高了图像的整体清晰度,随后对融合结果利用Canny算子进行边缘检测提取图像轮廓,根据轮廓曲线的闭合特性来区分目标与背景,从而定位目标物理位置,达到面目标检测的目的。最后,针对弱小目标的检测难点,本文研究了先检测再融合的基本策略。在检测阶段,研究提出了一种基于改进的奇异值分解和固定权值滤波相结合的背景抑制算法,该算法通过对图像分解后的奇异值矩阵进行非线性变换对小目标进行增强,并通过固定权值滤波实现对复杂背景的抑制;然后通过自适应阈值分割得到候选目标的位置和数目;在融合阶段,研究提出了一种基于“与或”逻辑与局部灰度判别相结合的双波段弱小目标融合算法,该算法通过对候选目标中心点的邻域灰度分布进行检测实现对真实目标的甄别。通过获取的双波段弱小目标图像对所提算法进行仿真及分析。实验结果验证了研究提出的背景抑制算法有效地提高了低信噪比条件下的红外图像弱小目检标测效率,而融合算法进一步提高了系统的目标检测性能。