红外弱小目标检测技术研究现状与发展趋势
红外检测技术的研究与发展现状
红外检测技术的研究与发展现状摘要：目前，超声、射线、涡流、磁粉、渗透等常规的无损检测方法已在相关行业得到了成熟的应用，但上述方法多用于已形成的宏观缺陷的检测，红外检测（IRT）技术作为一种新的检测方法，通过提取被检测物体的红外特征参数，可实现设备故障的实时监测以及应力集中和疲劳寿命的快速检测。
通过检测此类“危险源”，可以确定构件、设备的服役情况，从而为重要部件的后期寿命和安全评价提供参考和依据。
关键词：红外检测技术；发展现状；应用引言红外检测技术是状态检测技术的重要组成部分，采用非接触方式，在变电设备质量控制和监测、在变电设备故障诊断、在变电设备检修节约人力和物力资源等方面都发挥着重要的作用。
在不停电和不影响供电可靠性的前提下运用红外检测技术高效、精准地判断电气设备的接触不良、绝缘劣化和SF6泄漏等故障。
使检修人员能充分的掌握设备的运行状态，及时制订预控措施和防范措施。
1红外检测技术优势首先，操作安全。
红外检测与传统检测方式的最大区别就在于其无需接触设备即可实现科学检测，这样一来，操作风险将显著降低。
上述优势的存在，使得红外检测技术在各类高风险设备的检测工作中极受欢迎，大大减轻了设备检测工作的危险性。
其次，结果准度高。
红外检测技术在电力线路运行中的应用依赖于先进仪器来实现，此类仪器的特点在于灵敏度高、可实现细微变化的准确识别，所以，红外检测结果的准度要远远高于一般的检测方法。
2红外检测技术发展现状2.1缺陷检测国内对于缺陷检测的研究主要集中在常规、锁相和脉冲相位等不同热成像技术的理论和试验研究中，如缺陷深度测量、相位信息分析等。
在涂层的锁相无损检测中发现当涂层厚度一定时，相位差随着缺陷尺寸的增大会先增大后减小，并通过温度的一阶差分实现了对缺陷的定量识别。
针对金属高温压力管道设计了一系列试验，发现导热率越低的材料，检测灵敏度越高，缺陷显现时间越长，缺陷面积越大，材料厚度越薄，检测缺陷的灵敏度也越高；检测灵敏度还与加热和冷却方式有关，试验中内部加热法的检测灵敏度高于外部冷却法的。
红外图像中弱小目标检测前跟踪算法研究综述概要
红外图像中弱小目标检测前跟踪算法研究综述概要红外图像在现代战争中发挥着越来越重要的作用，因为其具有隐蔽性和不受光照干扰的特点。
红外图像中的弱小目标检测和跟踪算法是目前研究的热点之一。
本文主要综述红外图像中弱小目标检测前跟踪算法的研究现状，包括传统算法、深度学习算法和集成算法。
传统算法传统的弱小目标跟踪算法主要包括卡尔曼滤波、粒子滤波、均值漂移等。
这些算法主要是针对静态场景下的目标跟踪，对于动态场景下的目标跟踪效果较差。
在红外图像中，目标的纹理和亮度变化较为复杂，所以传统算法在红外图像中跟踪效果不佳。
深度学习算法深度学习算法是近年来应用最广泛的目标跟踪算法之一。
深度学习算法能够自动学习特征，适用于复杂多变的目标跟踪环境。
在红外图像中，深度学习算法也取得了很好的效果。
常用的深度学习算法包括卷积神经网络（CNN）、循环神经网络（RNN）和长短记忆网络（LSTM）等。
由于这些算法的训练需要大量的标注数据，因此数据量不足时需要结合传统算法来进行跟踪。
集成算法集成算法是将多个跟踪算法集成到一起，以得到更好的跟踪效果。
目前常用的跟踪集成算法是基于多特征融合和多分类器融合的方法。
多特征融合包括将颜色、纹理、轮廓等多个特征融合在一起，使得跟踪算法更具鲁棒性。
多分类器融合则是同时使用多种分类器，如SVM、Adaboost等，对目标进行分类和跟踪。
总的来说，弱小目标检测前的跟踪问题是一个非常重要的研究方向。
虽然深度学习算法在红外图像中的跟踪效果良好，但是由于训练需要大量标注数据，因此在数据量不足的情况下需要结合传统算法进行跟踪。
集成算法也是近年来研究的热点之一，对跟踪效果的提高起到了重要作用。
红外小目标的增强与检测
红外小目标的增强与检测红外小目标的增强与检测近年来，随着红外技术的快速发展，红外成像在军事、安防、环境监测等领域得到了广泛应用。
红外成像技术能够侦测到热量辐射，即使在昏暗或复杂环境下，也能准确识别和追踪目标。
然而，在面临红外小目标的增强与检测时，仍然面临一些挑战。
红外小目标增强是为了提高红外图像质量，从而更容易检测和识别目标。
一般来说，红外小目标增强技术主要包括图像去噪、增强对比度以及目标形状和轮廓的提取。
首先，图像去噪是红外图像增强的关键步骤之一。
通过去除噪声，可以更好地保留目标的细节信息。
目前，常用的图像去噪方法包括小波降噪、自适应中值滤波等。
其次，对比度增强也是一项重要任务，可以通过直方图均衡化、伽马变换等方式来提高图像的对比度。
最后，目标形状和轮廓的提取是另一个关键步骤，可以帮助进一步识别和分析目标。
主流的目标形状和轮廓提取算法包括边缘检测、Canny算子以及Sobel算子等。
在红外小目标的检测中，目的是通过图像处理技术来从红外图像中抽取目标信息。
红外小目标检测的挑战在于目标尺寸小、表面温度与周围环境相似、红外图像中噪声较多等因素。
传统的方法主要依靠特征提取和目标识别算法，如边缘检测、模板匹配以及深度学习等。
然而，随着深度学习技术的迅速发展，目标检测算法已经取得了显著的进展。
基于深度学习的目标检测算法通过卷积神经网络提取图像特征，结合目标位置和分类信息，实现了更准确的目标检测和识别。
除了上述增强与检测方法，还可以通过红外图像融合技术来进一步提高红外小目标的检测效果。
红外图像融合是指将多个红外图像融合在一起，以提供更全面和更准确的目标信息。
常见的红外图像融合方法包括加权平均法、小波变换融合法以及卷积神经网络融合法。
这些方法通过综合利用不同红外图像的信息，将目标信息更加鲜明地显示出来，并提高目标检测的准确性。
在实际应用中，红外小目标的增强与检测技术已经得到了广泛应用。
例如，在军事领域中，红外小目标的增强与检测技术可以用于侦查敌方装备和人员，提供实时的情报支持。
《红外弱小目标识别与追踪算法研究》范文
《红外弱小目标识别与追踪算法研究》篇一一、引言随着红外技术的不断发展，红外成像系统在军事、安全、监控等领域得到了广泛应用。
然而，由于红外图像中目标通常呈现弱小特征，如信噪比低、对比度差等，使得红外弱小目标的识别与追踪成为一项具有挑战性的任务。
本文旨在研究红外弱小目标的识别与追踪算法，以提高红外图像中目标的检测和跟踪精度。
二、红外弱小目标的特点红外弱小目标在图像中通常表现为低亮度、小尺寸、信噪比低等特点。
这些特点使得传统目标检测与追踪算法在处理红外图像时面临诸多困难。
此外，由于目标运动的不确定性、背景的复杂性以及各种干扰因素的影响，使得红外弱小目标的识别与追踪更加复杂。
三、红外弱小目标识别算法研究针对红外弱小目标的识别问题，本文提出了一种基于多尺度特征融合的识别算法。
该算法通过融合不同尺度的特征信息，提高目标的表征能力，从而增强对弱小目标的识别效果。
具体而言，该算法首先利用多尺度卷积神经网络提取目标的多尺度特征；然后，通过特征融合技术将不同尺度的特征信息进行融合，形成更加丰富的目标表征；最后，利用分类器对融合后的特征进行分类，实现目标的识别。
四、红外弱小目标追踪算法研究在红外弱小目标的追踪方面，本文提出了一种基于区域协同的追踪算法。
该算法通过将目标区域与周围背景区域进行协同分析，提高对目标的跟踪精度。
具体而言，该算法首先利用红外图像中的局部信息，对目标区域进行初步定位；然后，通过分析目标区域与周围背景区域的关系，实现目标的精确跟踪；最后，利用卡尔曼滤波器对目标轨迹进行平滑处理，提高跟踪的稳定性。
五、实验与分析为了验证本文提出的红外弱小目标识别与追踪算法的有效性，我们进行了大量实验。
实验结果表明，基于多尺度特征融合的识别算法能够有效提高对红外弱小目标的识别率；而基于区域协同的追踪算法则能够在复杂背景下实现对目标的精确跟踪。
此外，我们还对两种算法的性能进行了比较和分析，结果表明本文提出的算法在识别与追踪精度、鲁棒性等方面均具有较好的性能。
2024年红外技术市场前景分析
2024年红外技术市场前景分析引言红外技术作为一种无线电波技术，已经广泛应用于军事、安防、医疗、工业等领域。
随着科技的不断进步和市场需求的增加，红外技术市场正呈现出蓬勃发展的前景。
本文旨在对红外技术市场前景进行分析，探讨其市场规模、应用领域以及发展趋势。
市场规模根据市场研究机构的数据，红外技术市场规模在过去几年持续增长。
预计到2025年，全球红外技术市场规模将达到数十亿美元。
这一巨大的市场规模主要得益于红外技术在安防领域的广泛应用，例如夜视仪、红外相机等。
同时，红外技术在军事、医疗、工业等领域的应用也在不断拓展。
应用领域安防领域红外技术在安防领域有着广泛的应用。
夜视仪是其中最常见的应用之一，可以通过红外传感器捕捉到人眼无法察觉的红外光，以增强暗光环境下的监控能力。
此外，红外相机也被广泛应用于安防摄像领域，通过红外热成像技术可以实现对目标温度的检测和识别。
军事领域红外技术在军事领域的应用也非常重要。
红外导引系统可以用于导弹、飞机和舰船等军事装备中，通过红外成像技术实现目标的锁定和跟踪。
此外，红外探测器也可以用于监测敌方目标的热量辐射，实现情报收集和目标识别。
医疗领域红外技术在医疗领域的应用主要集中在体温检测和红外医学成像等方面。
特别是在疫情防控中，红外体温检测仪成为了一种非接触式测温手段，为大规模人群的体温监测提供了便利。
此外，红外医学成像技术也可以用于观察人体内部的温度分布，帮助医生诊断一些疾病。
工业领域在工业领域，红外技术可以应用于热成像检测、物体计数、液位测量等方面。
通过红外热成像技术，可以在设备运行过程中及时发现异常热源，预防潜在的故障。
此外，红外物体计数器也可以通过对红外光信号的检测，实现对物体的计数和监控。
发展趋势红外技术市场未来的发展将会受到多个因素的影响。
首先，随着传感器技术的不断进步，红外探测器的灵敏度和分辨率将得到提高，为红外技术的应用拓展提供更多可能。
其次，随着人工智能和大数据技术的发展，红外技术与其他领域的融合将会加速，形成更加智能化的应用场景。
红外图像中弱小目标检测技术研究
红外图像中弱小目标检测技术研究红外图像中弱小目标检测技术研究摘要：随着红外图像技术日益发展和应用的广泛，红外图像中弱小目标的检测问题日益引起研究者的关注。
传统的目标检测方法在红外图像中表现出较差的性能，特别是在检测弱小目标时更为困难。
因此，本文对红外图像中弱小目标检测技术进行了深入研究，提出了一种基于深度学习的弱小目标检测方法，并进行了实验验证，证明了该方法的有效性和优越性。
第一章引言1.1 研究背景红外图像具有遥感、夜间监测等领域的广泛应用，然而在红外图像中，弱小目标的检测一直是一个具有挑战性的问题。
传统的目标检测方法在红外图像中无法准确地识别出目标，在弱小目标的检测问题上表现尤为明显。
1.2 研究目的本文旨在探索一种能够有效检测红外图像中弱小目标的技术方法，提高目标检测的准确性和鲁棒性。
第二章相关概念和理论2.1 红外图像红外图像是一种由红外辐射产生的图像，它记录了被物体辐射出的红外能量，常用于军事、医学、环境监测等领域。
2.2 弱小目标弱小目标是指在红外图像中大小较小、明暗度较低、形状不规则等特征明显弱于背景的目标，例如小型无人机、远程火炮等。
第三章弱小目标检测方法研究3.1 传统的目标检测方法传统的目标检测方法主要包括基于特征提取与分类器的方法，如Haar特征和SVM（支持向量机）方法等。
然而，这些方法对于红外图像中的弱小目标检测效果较差。
3.2 基于深度学习的弱小目标检测方法近年来，深度学习技术在图像处理领域取得了巨大的突破。
本文提出了一种基于深度学习的弱小目标检测方法。
该方法采用卷积神经网络（CNN）进行特征提取，并利用目标检测器进行目标的定位和分类。
实验结果表明，该方法在红外图像中检测弱小目标的准确率和鲁棒性较传统方法有明显提高。
第四章实验与结果分析本文在红外图像数据集上进行了实验，比较了传统的目标检测方法和基于深度学习的弱小目标检测方法的性能。
实验结果表明，本文提出的方法在检测弱小目标方面具有明显的优势，能够准确地定位和识别红外图像中的弱小目标。
红外检测发展现状及未来趋势分析
红外检测发展现状及未来趋势分析引言：红外检测是一种基于红外辐射原理的非接触式检测技术，已经广泛应用于军事、医学、工业、安防等领域。
本文通过分析红外检测的现状及未来趋势，将对该技术的发展做出预测。
一、红外检测的现状1. 红外检测技术的应用领域红外检测技术已在军事领域得到广泛应用，包括导弹制导、夜视设备、无人机目标识别等。
同时，医学领域也使用红外检测技术进行疾病诊断，如乳腺癌早期诊断、体温检测等。
此外，工业应用上的红外检测主要用于辐射计算、材料表征、热成像等。
2. 红外检测技术的发展瓶颈尽管红外检测技术在多个领域表现出良好的应用前景，但仍面临一些挑战。
例如，高分辨率红外成像系统的制造成本较高，导致其在大规模工业应用中存在一定局限性。
另外，红外图像去噪和图像增强算法仍需要进一步改进，以提高图像质量和准确性。
3. 红外检测技术的发展趋势红外检测技术未来的发展趋势将主要聚焦于以下几个方面：- 制造成本下降：随着红外检测技术的进一步发展，制造成本预计将逐渐降低，从而推动该技术在广泛领域的应用。
- 分辨率改进：随着红外检测传感器的不断改进，高分辨率红外图像的产生将成为可能，提高图像质量和清晰度。
- 数据处理技术的突破：通过改进红外图像处理算法和人工智能技术，能够进一步提高红外图像分析的准确性和效率。
- 模块化设计：红外检测设备的模块化设计将使其更加灵活和易于维护，降低维修成本。
二、红外检测的未来趋势1. 军事应用领域红外检测技术在军事领域的应用将进一步扩展。
高分辨率红外传感器的发展将为导弹制导、目标识别等提供更精准的数据。
此外，隐形技术也将得到进一步的提升，使得军事装备的隐蔽性能得到增强。
2. 医学应用领域红外检测技术在医学领域的应用将更加广泛。
随着红外成像设备的进一步普及，乳腺癌早期检测等疾病预防工作将变得更加容易。
同时，红外热成像技术在病理诊断中的应用也将得到加强。
3. 工业应用领域红外检测技术在工业领域的应用前景广阔。
小目标跟踪报告
基于粒子滤波的红外弱小目标的检测与跟踪一、弱小目标检测与跟踪的发展1 弱小目标检测与跟踪的背景在现代高科技战争中，为了能尽早地发现敌方卫星、导弹、飞机、坦克、车辆等军事目标，增大作战距离，要求在远距离处就能发现目标，只有及时地发现目标、跟踪目标、捕获和锁定目标，才能实现有效的攻击。
然而，对于获得的远距离图像，目标成像面积小，可检测到的信号相对较弱，特别是在复杂背景干扰下，目标被大量噪声所淹没，导致图像的信噪比(SNR)很低，小目标检测工作变得困难起来。
因此，低信噪比条件下序列图像运动小目标的检测问题成了一个亟待解决的关键问题，探索和研究新的小目标检测理论以及如何将现有的检测理论应用于小目标仍是一项重要的课题，对现代战争以及未来战争具有深远的意义。
2 弱小目标的含义“弱”和“小”指的是目标属性的两个方面。
所谓“弱”是指目标红外辐射的强度，反映到图像上是指目标的灰度，即低对比度的目标，也称灰度小目标；所谓“小”是指目标的尺寸，反映到图像上是指目标所占的像素数，即像素点少的目标，也称能量小目标。
3 弱小目标检测与跟踪的难点在低信噪比情况下检测和跟踪未知位置和速度的运动小目标是红外搜索和跟踪系统中的一个重要问题，其主要困难在于：(1) 缺少关于背景的统计先验信息；(2) 目标的信噪比非常低以至于很难从单幅图像中检测出目标；(3) 目标可能会在未知时间点上出现或消失；(4) 无法得到形状、纹理等有用的目标特征；(5) 仅有的检测信息是目标的未知的亮度和移动速度。
4 红外弱小目标的检测与跟踪算法1) 算法分类：♦DBT (Detect before Track) ----跟踪前检测；♦TBD (Track before Detect) ----检测前跟踪。
2) DBT 算法※ DBT 算法检测与跟踪的原理经典的小目标检测与跟踪方法是DBT，即先根据检测概率和虚警概率计算单帧图像的检测门限，然后对每帧图像进行分割，并将目标的单帧检测结果与目标运动轨迹进行关联，最后进行目标跟踪，适应于信噪比较低高的情况下。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第３７卷第ｌ期 ２０１５年１月
侯旺等：红外弱小目标检测技术研究现状与发展趋势
ｖ０１．３７ ＮＯ．１
Ｊ粕．２０１５
争毫◆
（ａ０）
（ｂｏ）
图１ 实际红外图像中的弱小目标及其三维强度图像
（ａ１）
（ｂ１）
Ｆｉｇ．１ Ａ ｓｍａｌｌ ｔａ唱ｅｔ ｉｎ肌ｉｎ触ｒｅｄ ｉｍｇｅ ａｎｄ ｉｔＳ ３Ｄ ｉｎｔｅｎｓ时ｄｉｓ仃ｉｂｕｔｉｏｎ
复杂背景的低频部分为缓慢变化的背景，而高频 部分为弱小目标、随机噪声以及景象边缘等信号。 ＤＢＴ方法首先对图像进行预处理，目的是抑制平缓变 化的背景。然后利用人工设定的阈值分割图像，获取 众多疑似目标。最后，在序列图像上进行目标确认。
目前对单帧图像的处理算法很多，一般可以分为 ２大类：一类是空域滤波方法；另一类是频域滤波方 法。这２类算法的不同之处在于：前者是在空域上对 图像进行处理，后者是在频域上对图像进行处理。这 ２类算法的相同之处为：从本质上来说它们都是通过 高通滤波抑制平缓变化的背景。
记为ｓＰＩＥ）从１９８９年开始，几乎每年都会举办有关 弱小目标检测技术的国际会议，研讨弱小目标检测技 术的最新研究成果。
在国内，国家在弱小目标探测技术方面进行了大 量的投入，已初具规模，但仍然与国外最先进的技术 差距较大。国内在弱小目标检测方面的相关研究机构 有：国防科技大学、华中科技大学等高校以及兵器工 业集团第２１１研究所、兵器工业集团第２０５研究所、 中电集团第２７研究所、中国船舶工业总公司７１７所 等。其中，研究的重点集中在红外预警系统、机载前 下视系统对地面及低空目标的监测、红外制导等领 域。一些国内期刊也经常发表一些与弱小目标检测相 关的研究成果。另外，我国也将高性能红外探测器件 研制、红外精确制导武器、弱小目标信号处理技术列 为红外预警和探测系统中的重点技术。 １．１红外弱小目标成像的数学模型
红外成像，由于受大气散射、折射、光学散焦、 镜头污染、镜头变形等影响，被探测器接收时目标可 能非常弱小。如图１所示，图（ａｏ）和（ａ】）为２幅实际红 外图像。为清晰显示，放大这２幅图像中弱小目标的 局部区域，然后调节其对比度，最后将其分别标注于 图像的右上角。图（ｂｏ）和（ｂ１）分别为这２幅图像上的弱 小目标三维强度分布图。通过观察可知：图中弱小目 标的形状为中心对称、向四周辐射的形状，与二维高 斯函数非常相似。
１红外弱小目标检测技术的研究现状
在国外，对弱小目标检测的主要研究机构有美国 的海军实验室、空军实验室、ＮＡＳＡ以及加利福尼亚 大学应用数学中心等。许多国际刊物也经常刊登一些 弱小目标检测技术的研究成果。国际光学工程学会
（Ｓｏｃｉｅｔｙ ｏｆ Ｐｈｏｔｏ一０ｐｔｉｃａｌ Ｉｎｓｔｒ啪ｅｎｔａｔｉｏｎ Ｅｎｇｉｎｅｅｒｓ，简
物。响尾蛇的热源敏感器位于眼睛和鼻孔之间，该敏 感器在收集小动物的热信号后，将其传递给大脑，之
为：首先由红外探测器接收目标和背景的红外辐射信 号，然后由信号处理器将接收到的信号转换为电信号
后大脑控制响尾蛇获取食物。受此启发，在２０世纪
并将其校正、放大并转换，随后利用目标检测算法提
４０年代，人们研制出一种空对空导弹，它的红外敏感 取目标，最后在显示设备上实时显示检测到的目标及
０ 引言
究。 红外目标检测技术主要利用背景和目标之间的
人类对红外目标检测技术的研究最初来源于对 红外辐射差异来进行目标识别，它的载体为红外目标
响尾蛇捕食机制的研究。响尾蛇的视觉系统非常迟 钝，几乎对可见光刺激没有任何反应。但是由于响尾 蛇对红外热源非常敏感，因此它可以很容易地捕获食
检测系统。该系统的主要组成部分有：扫描与伺服控 制器、信息处理器、光学系统、红外探测器、信息输 出的接口、中心计算机、显示装置等。它的工作过程
在实际应用中，更高的分辨率可以检测更远距离 的目标，但是由于检测设备受到平台体积和重量的限 制，不可能无休止的提高摄像系统设备的固有分辨 率，通过升级硬件的方式不仅代价昂贵，而且不易实 现。对于相同的目标，若采用一般的目标检测技术能 够检测极限距离为１ ｋｍ的目标，如果想要检测极限 距离为３ｋｍ的目标，就需要将摄像机硬件设备提高３ 倍分辨率；但是如果采用弱小目标检测技术，就可以 利用序列图像信息，在硬件设备分辨率不变的情况下
红外弱小目标检测算法可以分为２类：第一类是 基于单帧图像的跟踪前检测算法（Ｄｅｔｅｃｔ ｂｅｆｏｒｅ Ｔｒａｃｋ，简记为ＤＢＴ）；第二类是基于序列图像的检测 前跟踪算法（Ｔｒａｃｋ ｂｅ矗）ｒｅ Ｄｅｔｅｃｔ，简记为ＴＢＤ）ＭＪ。 １．２红外弱小目标的跟踪前检测算法
跟踪前检测算法的基本思想是：首先对序列图像中 的每幅图像都进行预处理、分割，获得众多疑似目标， 然后根据目标运动规律的先验知识和灰度分布形式对 目标进行确认。此算法逻辑清晰，实现简单。但是，当 目标的信噪比较低时，分割出的疑似目标中很可能不包 含真实目标，导致算法失效。因此，这类算法只有在目 标信噪比较高的条件下有效（ＳＮＲ＞１０ｄＢ）ⅢＪ。
２）红外目标检测系统可以检测到雷达探测不到 的电磁隐身设备，而且它对飞行器尾焰敏感，可以探 测到雷达探测不到的低空飞行的巡航导弹，弥补了雷 达盲区。
３）红外目标检测系统可以在夜问工作，并且该 系统没有强辐射，有利于隐蔽。该系统体积小、重量 轻、机动性强、配置方便，非常有利于搭载在预警卫 星和无人机上。另外，红外检测系统可以产生比雷达 细节丰富，分辨率高的图像。
另外，红外目标检测技术的军事价值极高，待检 测的目标如战斗机、导弹、舰船等，对预警及侦察极 其重要，可以直接影响高级指挥所对于战场局势的判 断和决策。因此，红外目标检测技术成为当今世界高 技术领域的热门研究课题，这项技术逐渐引起各国的 高度重视。
衡量红外目标检测算法性能主要体现在对红外 弱小目标的检测能力上。以红外检测系统为例，当待 检测的目标距离检测器很远时，目标的光谱能量经过 大气传输，在大气扰动、光学散射和衍射等等影响下， 检测器靶面接收目标信号的光谱辐照度很小，导致目 标的信噪比很低。另外，由于目标距离检测器很远， 因此目标在检测器靶面上的成像面积也很小，远距离 目标的检测非常困难。
１
万方数据
第３７卷第１期 ２０１５年１月
红外技术
Ｉｎｆ．ｍｒｅｄ Ｔｅｃｌｌｌｌｏｌｏｇ）ｒ
、，０１．３７ Ｎｏ．１ Ｊａｌｌ．２０１５
行被动探测，很难受到干扰，它不辐射电磁波，不易 受到导弹攻击；而雷达系统需要发射电磁波并接收回 波进行目标检测，于是这种系统不仅很容易受到电磁 干扰，而且很容易被敌方发现。近年来，反雷达导弹 武器发展迅速，如美国ＡＧＭ一８８“哈姆”反辐射导弹、 美国ＡＧＭ．４５“百舌鸟”、ＡＧＭ一７８“标准”系列、我 国的飞腾２０００以及俄罗斯的ＡＳ．１７等，因此，雷达 系统在战场上的生存能力受到极大威胁［３］。
第３７卷第１期 ２０１５年１月
红外技术
Ｉｎｆｒａｒｅｄ Ｔｅｃｌｌｎｏｌｏｇｙ
Ｖｂｌ．３７ Ｊａｎ．
Ｎｏ．１ ２０１５
＜综述与评论）
红外弱小目标检测技术研究现状与发展趋势
侯旺１，一，孙晓亮１，尚 洋１，于起峰１
（１．国防科技大学航天科学与工程学院图像测量与视觉导航湖南省重点实验室，湖南长沙４１００７３； ２．海军装备研究院航空所，上海２００４３６）
中图分类号：ＴＰ３９１
文献标志码：Ａ
文章编号：１００ｌ一８８９１（２０１５）０１－０００１—１０
Ｐｒｅｓｅｎｔ ｓｔａｔｅ ａｎｄ Ｐｅｒｓｐｅｃｔｉｖｅｓ ｏｆ ＳｍａＵ Ｉｎｆｒａｒｅｄ ７ｒａｒｇｅｔｓ Ｄｅｔｅｃｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ
ＨＯＵ Ｗａｎ９１，－，ＳＵＮ Ｘｉａｏ一１ｉａｎ９１，ＳＨＡＮＧ Ｙａｎ９１，ＹＵ Ｑｉ—ｆｅｎ９１ Ｕ．Ｈｕｎｄｎ Ｐｒｏｖｉｎｃｉｎｌ Ｋｅｙ Ｌｎｂｏｒｎｔｏｒｙ嘭Ｉｍｎｇｅ ｍｅｄｓｌｌｒｅｍｅｎｔ ｎｎｄ ｖｉＳｉｏｎ ＮｃⅣｉｇｎｔｉｏｎ．ＣｏＥｌｅｇｅ可Ａｅｒｏｓｐｄｃｅ Ｓｃｉｅｎｃｅ ｎｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ．
Ｎｄｔｉｏｎｎｔ ＵｎｉｖｅｒＳｉｌｙ Ｇｆ Ｄ时ｉｎｓｅ Ｔｅｃｈｎｏｌｏｇｙ．Ｃｈｎｎｇｓｈｎ ４、Ｏ叽３，Ｃｈｉｎｎｊ
２．砌ｓ打ｍ胞∥彳ｖ胁ｆｉｏ＂肋“驴聊绷‘№阳，４ｃ口沈例∥４Ⅲ硎绷ｔ舶口孵忍谢２００４３６，＠ｉ玎口）
Ａｂｓｔｒａｃｔ： ＳｍａⅡｉｎ仔ａｒｅｄ ｔａ略ｅｔ ｄｅｔｅｃｔｉｏｎ ｏＲｅｎ ｐｌａｙｓ ａｎ ｉｍｐｏｒｔａｎｔ ｒ０１ｅ，ｅＶｅｎ ａ ｂｏｔｔｌｅｎｅｃｋ，ｉｎ １０ｔｓ ｏｆ ｍｉｌｉｔａ巧 ａｎｄ ｃｉＶｉｌ ｉｎ丘．ａｒｅｄ ａｐｐｌｉｃａｔｉｏｎ ｆｉｅｌｄｓ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａ ｂｒｉｅｆ ｄｅｓｃｒｉｐｔｉｏｎ ｏｎ ｓｍａｌｌ ｉｎ行ａｒｅｄ ｔａ略ｅｔ ｄｅｔｅｃｔｉｏｎ ｗａｓ ｇｉｖｅｎ ｆｉｒｓｔｌｙ．Ｔｈｅｎ，ａ ｄｅｔａ订ｏｖｅｒｖｉｅｗ ｏｎ ｔｈｅ ｐｒｅｓｅｎｔ ｋｉｎｄｓ Ｏｆ ｓｍａＵ ｉｎ矗ａｒｅｄ ｔａ唱ｅｔ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｌｌｌｌｌｓ ｗａｓ ｇｉｖｅｎ，ｉｎｃｌｕｄｉｎｇ ｔｈｅ ｐｒｉｎｃｉｐｌｅ ａｎｄ ｃｈａｒａｃｔｅｒ ｏｆ ｔｈｅ ａｌｇｏｒｉｍｍｓ．ＦｉｎａＵｙ，ｔｈｅ ｐｅｒｓｐｅｃｔｉＶｅ ｏｆ ｓｍａｌｌ ｉｎ仃ａｒｅｄ ｔａ唱ｅｔｓ ｄｅｔｅｃｔｉｏｎ ｔｅｃｌｍ０１０９ｙ ｗａｓ ｐｒｅｄｉｃｔｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｓｍａｌｌ ｉｎ丘ａｒｅｄ ｔａ玛ｅｔ，ｔａ昭ｅｔ ｄｅｔｅｃｔｉｏｎ，ｓｐａｔｉａｌ ｆｉｌｔｅｒｉｎｇ，ｆ．ｒｅｑｕｅｎｃｙ ｄｏｍａｉｎ ｆｉｌｔｅｒｉｎｇ，ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ
很多学者都使用二维高斯函数对弱小目标进行 建模，模型如下＂Ｊ：
ｆ ．厂厂 、２ ，， 、２］］
州《小∥）砒叶圭蚓＋引１｝（１）
式中：毋和瓯为横向和纵向的尺度参数；名为目标的 灰度幅值；疗∽为该弱小目标的空间分布灰度函数。 根据ＳＰＩＥ的定义，成像尺寸小于８１个像素，即２５６ ×２５６的０．１２％的目标为弱小目标【引。基于上述弱小目 标数学模型就可以对弱小目标检测算法进行理论分 析。