热红外异常检测是遥感研究热点之一。由于热红外检测拥有工作环境适应性强、隐蔽性好以及识别能力强等各种优势,在民用和军用上具有十分重要的地位。因此,对其深入研究有着重要的理论意义和实用价值。本文在系统研究分析了各种热红外异常检测算法的基础上,针对热红外图像检测信号弱、图像信噪比低、目标信号易受背景干扰以及背景噪声难以抑制等问题进行了深入研究。本文的主要研究工作以及成果总结如下：1.针对热红外图像背景变化缓慢特点,将核非参数回归的算法应用于热红外异常检测。该算法使用基于核的非参数回归方法预测图像背景,有效分离背景与异常点(包括目标和噪声),最后将分离后的图像去噪,得到所需目标。2.针对以海洋为背景的热红外图像存在海杂波非平稳特性、非线性特性等问题,结合图像熵以及聚类算法对热红外异常目标进行检测。采用图像熵确定目标的粗略位置,结合改进的Kmeans聚类算法找出其在聚类图像中的聚类标识,既完整地提取了目标又很好地保留了目标的轮廓。3.为了提高目标识别的准确度以及算法的运行效率,提出了基于显著性分析的FKT变换热红外异常检测算法。通过频域冗余法对原图像进行显著性处理,再进行FKT变换实现热红外异常检测。实验结果表明该方法优于传统的FKT变化算法,提高了图像信杂比以及目标识别的准确度。