2）非均匀性。红外热成像探测系统各阵列间固有的缺陷，使得红外图像在获得的过程中就出现不同的响应，从而引起像质下降
。3）对比度低。图像背景与目标本身的温差较小，且由于系统传输过程中的信息丢失，导致获得的红外图像具有较低的对比度。同时，在色彩的标示上，为了适应图像的可视化要求，较强的过度彩显示形式被使用，所以图像的层次性也不好
。4）信噪比低。红外图像具有光子电子涨落噪声和热噪声等噪声等等，在种类上表现得十分复杂。
5）像素分辨率低。为了增强图像的美观性，常在只有几十到上百像素的红外图像上进行插值。这种插值显示的方法使得图像会丧失了其真实性。
6）红外图像的格式不统一。 红外图像的格式通常由于获得途径是由运营商针对客户需求设计决定的，文件的格式会比较特殊，因此，若是没有特殊的图像处理软件是无法真正看得到的。所以这十分的影响数据分析。
1.1.2 图像分割的地位及定义我们知道[2][10]，图像工程主要分为三个方面——图像处理、图像分析和图像理解。图像处理主要是通过应用计算机对图像进行分析处理，从而达到视觉上的需求，是图像分析和图像识别的基础。图像分析是为了提取有利用价值的高性能信息，它主要是通过分析图像底层信息和上层结构实现的。图像理解是以图像分析为基础，进而分析感兴趣目标的相关特性，对图像进行解释，最后对行为进行指导规划，是高层操作。图像分割受到关注的主要原因是它在图像处理和图像分析中起到关键作用，它也是计算机视觉中的基础问题，图像分割结果的优劣对于红棉更高层次的图像分析和理解有着很大的影响[2][10]。查阅资料，我们知道图像分割过程是将一幅图像划分为它的组成部分或目标。通常，进行自动分割很艰难，成功地把目标识别出来是一个艰难的分割过程。图像分割在医学，军事等各个领域都有应用，涉及面很广。比如，在医学中，可以用来检测病灶从而方便医生制作出合理的解决方案；在军事中，对于卫星图像的分割，才能更有效地促进跟踪目标等军事行为的实现。在交通运输领域，可以进行车牌号码的图像分割，从而识别车牌号等。图像分割在图像工程领域的有着不可或缺的地位[4][8]。图像分割的定义如下：用集合R 表示整个图像区域，于是分割过程就可以看成把全集R 分解成N 个非空子集N R R R  2 1 , ，这些子集需要满足下述五个条件：1) R RNii 1；2) 对所有的i 和 j ， j i  ，有   j iR R  ；3) 对 N i , , 2 , 1   ，有 TRUE R P i ) ( ；4) 对 j i  ，有 FALSE R R P j i ) (  ；5) 对 N i , , 2 , 1   ， iR 是连通的区域。) ( iR P 代表着定义在集合 iR 中元素的逻辑谓词， 代表空集。上述各个条件的简略解释如下：条件 1 表示分割是完整的，分割的得到的各子集合并后仍为一个完整的图像，图像中任一像素必须对应属于某一子区域；条件 2 表示任两个不同的区域不重合，不共用同一个像素；条件 3 表示对于在分割得到的同一子区域内的各像素必定具有共性；条件 4 表示在分割结果中，不同区域里面的像素具有的特征也完全不同；条件 5则说明，同一子区域里不同像素之间具有一定的连通特性。但是，事实上，图像分割的目的不是为了满足上述条件，而是想要得到人们感兴趣的目标，这样的分割才有实际意义。经过对于图像分割的算法的研究，很容易总结出他们可以用于进行图像分割的几个基本条件[9][10][11]——第一，待分割的图像区域必须在灰度、纹理等特性中有一定的相似性；第二，各区域内部必须相对平整；第三，不同的相邻区域若根据某种具体的特征来划分的话，应该具有较为明显的差异性；第四，各区域的边界之间，应该具有准确的空间位置。只有当图像具备以上这几个条件，才能够实现有效的分割。1.1.3 传统的图像分割方法从 20 世纪 70 年代，人们就着手于进行图像分割技术的相关研究。 基于多特征活动轮廓的红外图像显著轮廓检测技术(2):http://www.youerw.com/wuli/lunwen_28836.html