红外成像具有抗干扰能力强、隐蔽性好、效费比高、全天时工作等优点,因而在飞行器导航、制导等应用中具有一定的优势。应用红外成像技术,对城区建筑物的检测识别,是视觉导航的重要组成环节,满足飞行器自主精确导航、避撞等需求,具有一定的实用价值。在上述飞行器导航、避撞等应用背景与需求下,从物理学的角度分析了红外成像原理和红外辐射特性,进而分析了红外成像特性和城区背景特性。面对红外图像相对可见光图像呈现出低分辨率、图像层次不分明、对比度低等缺点,以及城区场景具有建筑物比较密集、形状尺寸多样、彼此之间可能相似等识别难点,针对待识别目标建筑物旁边有干扰建筑物的特定场景,利用多尺度思想,设计出一种多尺度层次递进的分步检测识别方法:首先在大幅面尺度上将目标建筑物与其周边建筑物作为一个整体进行检测定位,再对小尺度局部区域检测识别定位目标。对于初步识别,目标建筑物和干扰建筑物作为一个整体,采用多尺度的思想提取这个整体具有的特征来进行识别;对于局部识别,由于在局部子图中,建筑物之间的几何形状差异相对放大,采用几何特征进行识别。该方法利用多尺度分步策略简化问题,避免大尺度建筑物背景区分困难。基于Windows平台完成算法实现,通过外场实测数据集验证,在640帧的序列图中,该方法达到99%的识别率。对于飞行器导航、避撞等实际应用场景,由于飞行器运行速度比较快,因而对算法实时性要求高。根据Windows平台和DSP平台的资源差异、DSP硬件特点和算法数据量的分析,设计了算法在DSP平台上的内存分配方案,实现了算法在DSP平台的移植。在此基础上,从算法改进、代码实现优化、编译器等方面对算法进行优化,通过实验验证了内存分配方案的正确性和算法在DSP平台上的有效性,测得算法在DSP平台上达到36ms/帧的处理速度,基本达到实时性。由于自然场景的复杂多变,各种气候、光照、大气传输等干扰,飞行器精准导航面临严峻挑战。当面对计算量更大、计算复杂度更高的算法时,飞行器导航对实时性优化提出更高要求,仅DSP平台的优化,仍然存在一定的局限性。基于上述需求,从硬件架构角度出发,尝试在DSP+FPGA架构基础上,增加其他处理器协同优化算法。由于ASIC芯片具有低功耗、轻重量、高性能、高可靠性等优势,在满足嵌入式信息处理机功耗、体积、重量等约束的同时,可以利用ASIC的图像处理功能替代软件实现,因此可以采用软硬结合的方式进行算法部署,以提升算法实时性。基于多尺度目标检测识别算法,设计了DSP+FPGA+ASIC架构的算法部署方案,使用标记ASIC替代DSP中软件实现的标记算法,其他算法仍部署在DSP中,实现了DSP通过FPGA调用标记ASIC的功能。通过实验测得算法达到33ms/帧的处理速度,因而验证了ASIC的使用有助于算法实时性的提升。基于DSP+FPGA+ASICs架构,系统实现了DSP调用标记ASIC、旋转ASIC和多级滤波ASIC的功能,并通过标记、旋转、滤波图像处理结果验证了系统的有效性。该系统支持更多算法部署,满足嵌入式信息处理机的可编程特点,同时软硬结合的方式,为算法提供了新的优化方案。该部署架构为设计满足高可靠性、高性能、低功耗等要求的信息处理系统提供了一种解决方案,也为未来SOC（System-on-a-Chip）化奠定了一定的基础。