红外图像弱小目标检测是红外成像和自动目标识别(ATR)系统的关键技术,在遥感测控、军事搜索跟踪、火灾预警等领域起着至关重要的作用。复杂多变的背景,成因多样的噪声和较远的成像距离导致待检测小目标占据极少数像素点,缺乏纹理、尺寸、形状等信息,检测难度极大。已有研究多集中在滤波、神经网络、小波等方面,所提算法计算量大,实时性不佳,工程实现较为困难。因此,在不同学术领域研究小目标检测的可行性和实用检测算法具有重要的科研意义和实用价值。本文结合形态学和鲁棒主成分分析理论深入探索了红外小目标领域,讨论了目标检测的重、难点和国内外研究现状,总结了现有算法的优、缺点和适用范围。本文的主要工作如下:1.结合形态学和曲面拟合两者的优点,提出了基于NWTH和椭圆抛物面拟合的小目标检测算法。简要介绍灰度形态学的相关知识以及Top-hat算子,总结出单结构元素对于小目标检测的不足之处,提出了采用大小不同但形状一致的扁平多结构元素同时处理小目标和局部背景的思想,专注讨论NWTH变换并深入分析该算子较以往所提算子的优越之处。探究了红外成像系统的特性,重点是远距离点源的成像规则,将远距离物体在成像平面上的像看作“凸包”,采用数学上的椭圆抛物面近似。最后采用最小二乘法拟合椭圆抛物面进一步减少背景杂波,突出小目标。所提算法后续只需采用简单的阈值分割方法即可获得小目标的位置信息。Matlab仿真结果表明该算法在复杂背景、强噪声、目标肉眼不可见等极端情况下仍能有效检测目标,实时性好,时间复杂度低。2.通过简要介绍高维大数据的处理和分析方法,研究了鲁棒主成分分析理论在红外小目标检测领域的可行性和有效性。将红外图像看作小目标、背景、噪声三幅图像的叠加,理论分析证明噪声图像的特性符合两个条件:1.满足独立同分布的高斯分布;2.稀疏的大噪声,仿真验证背景图像的低秩性,得出了红外图像满足鲁棒主成分分析恢复低秩矩阵条件的结论。在此基础上,设计了一种背景预测的算法验证有效性,该算法采用鲁棒主成分分析的三种低秩矩阵恢复算法(APG、DUAL和EALM)分别估计背景,原始图像和背景相减获得二者之间差别(残差),对差值选择阈值进行分割得到小目标。从信噪比提升、运行时间、阈值系数选取、主观感受四个角度分析仿真结果,仔细比较各算法在不同方面的性能,得出了如下结论:APG算法检测小目标性能较DUAL和EALM算法更佳。