1.2  本文结构安排
本文的结构安排如下：1.第二章中将阐释本文算法所使用的预处理方法及其基本原理；2.第三章中说明了在图像预处理后对图像所做的一些初步检测工作，包括边缘检测和数学形态学算法；3.在前几章处理结果的基础上，第四章阐述了本文算法使用模板匹配得到小目标质心位置的最终结果；4.在第五章中具体给出并解释了实现文中算法的程序；5.最后在第优尔章中对比了各处理步骤完成后的结果图，并对各步骤处理效果做出了分析。
2  图像预处理
红外图像由有效信息（目标）、背景信息和随机噪声构成。图像中噪声的存在使得图像信噪比降低，目标与背景间对比度差，这会严重降低识别和跟踪算法的实际效果。同时背景也会对提取图像中有效信息造成干扰。因此，在对图像进行进一步的处理前，需要运用图像预处理技术尽可能地消除图像中的噪声成分并抑制背景。
2.1  高通非均匀性校正算法
D. A. Scribner等人在20世纪90年代初提出了高通非均匀性校正算法[4][5]，通过模拟人类视觉系统对图像信息的处理过程，实现了图像的非均匀性校正。其具体实现方法是首先使用时域低通滤波器过滤图像得到处理图像IL，再用原图像I减去仅包含有图像中低频成分的IL，即可得到结果图像IH。
                                                             (2.1.1)
在图像IH中，包含有非均匀噪声的低频成分被有效滤除。该方法本质上是一种基于图像中时域信息的算法。这种算法对运动场景下的图像有较好的效果，但是在物体静止或运动速度突然加快时，由于目标图像会在之前的位置产生滞后于当前状态的“鬼影”[6]。
实际处理中，运用公式（2.1.2）来实现高通非均匀性校正算法：
                                                     (2.1.2)
其中， 为原始图像， 为一文低通滤波器， 为 的转置。
2.2  时域高通空域低通非均匀性校正算法
单纯对图像信息在时域进行处理，不能完全达到图像预处理的预期效果。钱惟贤老师在他的博士学位论文中提出了一种同时利用图像中的时域信息和空域信息来完成非均匀性校正的方法，这种方法称为时域高通空域低通非均匀性校正算法[7]。该算法结合了上文提到的高通非均匀性校正算法，加入了对原始图像空间域的处理并利用了图像的帧间相关的特性。因此该算法的收敛速度明显快于高通非均匀性校正算法，对一般图像，在40帧到60帧即可达到收敛；在处理效果方面也优于高通非均匀性校正算法，没有在处理过程中出现“鬼影”现象。
在空间域，非均匀性噪声可分成高频和低频两个部分，在人类对图像中不同频率的非均匀性噪声的视觉感知效果并不相同。文献【7】的研究表明，非均匀性噪声的高频部分在视觉成像过程中有着更大的权重，而其低频部分对人类的视觉系统造成的影响十分有限。所以可以考虑将非均匀性噪声的高频部分滤除，来提升收敛速度和处理效果。在滤除时，该算法对一定帧数内非均匀性噪声的高频部分求取了算数平均值，这是为了利用其帧间相关性来尽可能地消除“鬼影”现象。 红外小目标探测与跟踪技术研究+算法程序(2):http://www.youerw.com/wuli/lunwen_30060.html