红外图像中运动目标的检测与识别是现代武器装备中的关键技术之一,同时也是图像处理领域的热点问题。随着当今世界局部战争中武器对抗的不断升级，对武器系统的智能化要求越来越高，这就希望武器防御与攻击系统能够在远距离条件下对红外目标进行检测与识别。由于红外远距离成像与传输过程中存在光照变化、背景运动、目标阴影、目标遮挡与重叠和摄像机抖动等因素的影响，从而给运动目标识别带来一定困难。本文的研究内容主要包括红外图像增强处理技术研究和运动目标检测技术研究。针对红外弱目标图像具有对比度差和信噪比低的特点，提出了一种结合灰度变换和空间滤波的形态学红外图像增强算法。首先，对原始图像采用局部线性变换，达到增强目标与背景的对比度的目的；其次，用中值滤波器对图像进行平滑处理；最后，引入Top-Hat滤波的思想滤除背景和目标中的噪声。该算法不仅提高了图像的信噪比和对比度，而且保持了目标边缘信息，为后续的红外目标检测提供了便利。针对全局光流场算法在梯度值较小处不能获得准确的运动估计参数，并且就具有较高虚警率的问题，提出了一种改进的全局光流法联合均值漂移与形态学的运动目标检测算法。首先，采用高斯滤波器抑制背景中的噪声；其次，通过研究Horn全局约束算法的基本原理和Schunck提出的全局平滑约束条件，对亮度守恒约束条件的权函数加以改进，用改进的光流法获得目标的运动区域并进行阈值分割；最后，运用形态学滤波方法简化图像数据，对处理后的图像采用均值漂移图像分割方法实现对运动目标的精确检测。改进的算法不仅提高了目标检测的自适应性，而且降低虚警率，并提高了检测率。