基于图像对称差分运算的运动小目标检测方法

提出了一种基于图像对称差分运算的运动小目标检测新方法，该方法以连续三帧序列图像为一组处理对象，先进行绝对差运算，再作均值滤波，保证了算法能很好的检测出复杂背景中的低信噪比，运动小目标，单帧二值图像处理以及基于运动轨迹连续性的目标检测后处理，可以在保证系统检测概率的前提下减少目标检测的虚警概率，实验表明，该方法性能比图像差分法要好，与累积图像差分法相差无几，且硬件实现容易。  

一种云层背景抑制与小目标检测方法

提出了利用形态学上的top-hat算子对红外小目标检测的方法，对图像进行形态学滤波，对滤波后的图像进行分割，然后依据目标运动的连续性对分割后的图像进行连续滤波，从而检测到目标。实验表明，该目标检测方法十分有效。  

基于向量小波变换的小目标检测方法

研究红外图像中的小目标检测总是将小目标考虑为二维图像中具有相对连续小块区域的灰度信号突变，用向量小波变换来增强目标，抑制噪声，从而提出了一种由粗到精的小目标检测和分割方法，实验结果表明，对一般噪声条件下得到的红外目标图像，该方法能准确地检测、定位和分割小目标，而且，该方法鲁棒性好，简单实用。  

基于自适应形态学Top-Hat滤波器的红外弱小目标检测方法

针对红外序列图像中运动弱小目标的检测问题，提出了一种基于自适应形态学Top-Hat算子和改进的自适应门限的弱小目标检测方法，其中形态学滤波嚣的结构元素采用两层前馈神经网络通过大量样本训练优化．将Top-Hat运算作为一个整体当作一层，输出层节点定义为作Top-Hat运算后图像矩阵的最大值，并针对所检测的大多数弱小点目标采用自适应门限进行分割，同时对SNR〉4左右的点目标用固定门限进行分割．实验结果表明，该方法对SNR较低的复杂图像具有良好的滤波效果．  

基于小波变换的红外成像弱小目标检测方法

研究红外目标图像中弱小目标的自动检测和定位方法，将弱小目标看作是红外图像中灰度和位置均未知的暂态信号，通过对图像信号作多尺度的小波变换，可以在低信噪比条件下检测出弱小目标，实验结果表明，小波变换能很好地增强目标，掏背影杂波，从而提高目标检测概率，降低误检测。  

基于HSI的视觉注意力模型及其在船只检测中的应用

根据现有关于视觉心理学研究的相关成果和计算模型．提出了一种基于HSI颜色空间特征提取的视觉注意力模型．并应用于海上目标检测．首先把输入的RGB图像转换到HSI空间上．采用高斯金字塔和center-surround算子获得HSI三个分量下各自多尺度的视觉差异。通过对不同特征图的规格化和线性融合获得综合的显图．该方法应用于多种海上目标图像均取得较好效果．背景中的海浪杂波得到了有效抑制．提取得到的显区域包括了待检测的目标且范围较小。为后继的处理和分析提供了良好的基础．  

基于小波变换及分形特征的目标检测与识别

提出在对图像进行小波变换的基础上提取图像的分形特征，即通过小波变换对图像进行频域上的分割，使得对图像的描述更丰富，对各频段上的细节图像分别求分形维数组成联合特征矢量，有利于迅速准确地将目标从复杂的自然背景中分离出来，实验结果表明，这种方法能够有效地区分人造物体和自然背景，但计算量较大。  

纹理模型驱动的基于背景分析的小目标检测

为有效地实现复杂背景下小目标的检测，利用背景分析的思想，提出了纹理模型驱动的基于背景分析的小目标检测方法，可提高对小目标的检测精度且具有较强抗噪能力，实验结果证明了该方法的有效性。  

红外海面小目标检测的并行实现技术

提出了红外海面小目标检测的并行实现方案，该方案采用了基于多级滤波的小目标检测方法，能在自行设计的多总线多DSP实时图像处理系统上运。详细讨论了该方案的优化问题，以获得成本最优、并行效率最高的系统并行处理方式。实验结果表明，算法是可行的，并行系统优化的理论分析是正确的。  

基于卡尔曼滤波器的背景抑制及小目标检测

提出了一种采用卡尔曼滤波器作为杂波背景预测器的小目标检测方法，相比较于传统的梯度下降算法，该方法充分利用了假设的杂波图像模型，并且算法中也没有影响检测性能的步长参数，因而具有更好的检测性能，实验表明，该方法能有效地抑制杂波，并同时增强小目标的信号。