对伪装隐蔽目标的揭露打击是信息化条件下部队发展的必备能力,对于地下核发射井等重要目标的侦察、边境监视、丛林作战等军事应用,以及武警部队担负的抢险救灾任务等准军事应用都有其重要的价值。本文针对人工浅埋掩体这一具有代表性的隐蔽目标开展研究,充分的利用单帧图像中自然背景、纹理等可用的信息,实现对目标的检测,并提出一种基于分形检测结果与显著性检测结果融合的隐蔽目标检测方法,具体研究内容包括:提出了一种基于加权分形特征组合的人造目标检测方法,通过提取红外图像的分形特征以区分人造目标与自然背景,将表面粗糙度和拟合误差两种分形特征做加权并归一化处理,实现了利用两种分形特征增强人造区域与自然区域的分形特征差异;构建了一种基于双重误差重构的显著性区域检测方法,通过提取图像的显著性区域以保留相对高亮区域。通过提取图像边缘的超像素区域作为背景模板,利用提取的模板构建稀疏外观模型和稠密外观模型,对于每一块图像区域,首先计算稠密重构误差及稀疏重构误差,然后利用K均值聚类方法得到的上下文对重构误差进行传播,再利用贝叶斯准则融合稀疏型检测结果及稠密型检测结果,最后通过综合多尺度重构误差信息及修正的目标基高斯模型信息实现像素级显著性检测。最后再融合这两种检测结果并进行进一步的形态学处理,提取浅埋掩体目标。