红外弱小目标检测技术是红外监视、红外预警以及红外搜索与跟踪等系统中的关键技术,在交通、安防及军事领域应用广泛。在这类应用场景中,由于成像距离远,目标在图像中的尺寸小;考虑到成像系统噪声及背景杂波干扰,目标在图像中的信杂比低;故目标在远距离红外成像后呈现为弱小目标。红外弱小目标具有特征少、强度低、成像环境复杂、运动状态复杂等特点,这些因素给检测任务带来了巨大的困难和挑战。经过几十年的发展,红外弱小目标检测技术已经取得了长足的进步,但是在复杂背景条件下,或是在差异较大的多个场景中,现有检测方法仍然难以稳定地消除虚警,实际表现仍有待提升。本文开展了时空谱多特征联合红外弱小目标检测方法研究。该研究致力于在空间域、时间域以及变换域中搜寻和构建特征以增强目标和背景的区分性,并根据各域特征的特点和优势,对多域特征进行综合分析和利用,从而提升红外弱小目标检测的质量和稳定性。具体而言,本文的主要内容包括以下几个方面:(1)对红外弱小目标检测基础理论进行了梳理和介绍。本文分析了远距离红外成像后的目标和背景特性,并通过与可见光目标检测任务进行对比,给出了红外弱小目标检测任务的具体描述,描绘了红外弱小目标检测算法的框架,介绍了红外弱小目标检测算法的性能评价手段。这部分研究内容是红外弱小目标检测的基础,在本文后续的方法研究中均有应用。(2)提出了一种基于链条生长滤波的红外背景杂波抑制方法。链条生长滤波模型可以调整自身形状以适应多种杂波结构,例如直线,曲线和不规则边缘等,从而仅仅使杂波区域内部像素点参与特征提取运算,降低了杂波形状对特征提取的影响。与基于固定形状的特征提取策略相比,链条生长滤波模型具备更强的红外背景杂波抑制能力,也因而获得了更出色的检测性能。(3)提出了一种基于密度峰搜索的红外弱小目标检测方法。该方法将图像中的像素点映射到“密度-?距离”特征空间,通过密度峰搜索方法快速剔除大部分平缓区域中的像素点,并提取少数局部“密度”极大值点(密度峰)作为候选目标。针对这些候选目标,提出了一种基于最大灰度区域生长的特征提取方法,从而增强了对复杂形态背景杂波的抑制效果。在决策阶段,采用了一种基于四分位数的阈值方法,获得了场景鲁棒性更强的决策阈值。在算法评价过程中,将红外图像中的密度峰划分为正负样本,通过改变决策阈值,绘制出PR曲线;相比于红外弱小目标检测领域常用的ROC曲线,PR曲线可以更明显地反映出各算法间的性能差异。基于密度峰搜索的红外弱小目标检测方法保证了特征提取模块的高质量和高效率,从而实现了对检测性能和运算速度的兼顾。(4)提出了一种基于核相关滤波的红外弱小运动目标检测方法。该方法通过核相关滤波算法对帧间背景运动进行建模和补偿,通过帧间差分法对当前帧的相对运动特征进行提取,并对提取出的相对运动特征图进行阈值分割,从而完成运动目标检测。该方法实现了背景、目标两种运动模式的分离,有效利用了目标的相对运动特征,大幅提升了背景运动条件下红外弱小运动目标的检测效果。此外,该方法将大量运算过程置于频域中进行,运算效率高,可以满足实时性要求,这对该算法的实际应用具有重要意义。(5)提出了一种时空谱多域特征联合的鲁棒检测策略。该方法采用链条生长滤波进行空域特征提取,采用核相关滤波(主要在频域中进行运算)进行时域运动特征提取,并利用这两种独立性强、互补性强的特征对红外图像中每个像素点进行联合表达;根据提取出的多域特征,利用异常检测算法计算每个像素点的置信度,并通过阈值化置信度图来输出最终检测结果。该方法充分发挥了空域、时域及谱域特征各自的特点和优势,增大了目标与背景在特征空间中的分离程度,提升了检测结果的置信度,并增强了检测算法在多种类型红外场景中的鲁棒性。大量实验测试表明,本文提出的空域检测方法、时域检测方法在与其他同类型算法的比较中表现优异,提升了红外弱小目标检测算法在复杂背景条件下的性能;而本文提出的多域特征联合检测方法在与其他单域算法的比较中表现优良,提升了红外弱小目标检测算法在不同类型场景中的稳定性。此外,本文提出的方法注重运算过程的高效性,这使本研究除了具有理论意义还具备一定的应用价值。