红外成像系统具有隐蔽性好、探测距离远的优势,在现代国防领域发挥着重要作用。在远距离机载成像过程中,目标所占的像素很少,通常呈现出点状特征。受大气扰动及光学散射等影响,探测到的红外图像信杂比较低,当机载成像平台发生姿态调整或抖动时,探测到的目标缺乏具体的形状、纹理及结构信息,导致能够提取的特征信息很少。此外,由于目标和机载成像平台通常具有机动运动特性,当目标受云层遮挡或杂波等高亮背景干扰时,目标和背景较难有效区分。当探测到目标为多个时,由于各目标的信号强弱不同,较弱的目标易淹没在复杂环境中,增加多目标的检测难度。以上因素使得复杂环境下的单、多目标检测问题成为亟待解决的技术瓶颈问题。因此,对该问题的研究具有重要的理论意义和工程价值。本文综合利用视觉特征技术,围绕以上关键技术问题展开研究,主要工作如下:针对复杂环境下目标信号微弱的问题,采用一种具有通用性的红外图像预处理算法,利用Laplace算法对图像进行锐化处理,提取图像的轮廓边缘,并叠加到原始图像上,其目的是增强真实目标与疑似目标的像素强度,以降低目标的检测难度。针对复杂云层和强杂波干扰环境下图像的信杂比低的缺陷,提出一种基于梯度和灰度特征的红外弱小目标检测算法。首先,根据目标的梯度方向具有各项异性的特征,采用局部多向梯度方法对预处理后图像中的云层、海天线等强杂波进行抑制;然后,根据目标像素强度高于周围邻域的像素强度的灰度差异特征,采用局部灰度差方法对无梯度特征的均匀背景和较暗背景进行抑制并且适当的增强目标;接着,将获取的视觉图像进行融合,实现对目标的增强和背景的抑制,有效的提高图像的信杂比。最后应用阈值分割获取最终待检测小目标。实验结果表明本文算法的有效性,与Top-hat、LRES、NRAM、LIG算法相比,所提算法在信杂比、背景抑制因子等方面得到显著提升。针对红外多目标图像中各目标的信号强弱不同,而较微弱的小目标更容易受到背景边缘杂波干扰,使得多目标的检测率低的问题,根据红外弱小多目标的不同特征从不同方面反映了弱小多目标的视觉特性的思想,提出一种基于多特征融合的红外弱小多目标检测算法。该算法是在采用Laplace锐化预处理的基础上,采用多方向线重构方法提取出红外弱小多目标的方向特征图。本文为了更多地利用弱小多目标信息,有效地获取多目标的视觉显著特性,引入谱残差方法和Do G尺度滤波方法提取出红外弱小多目标的谱特征图和尺度特征图。结合特征融合思想,对不同特征图像进行有效融合,以增强多目标的视觉显著性,从而更加有效地实现对弱小多目标的检测。实验结果表明,所提算法呈现出较良好的性能,很大程度上解决了复杂背景下的红外弱小多目标检测问题。