随着光学领域在国内的迅速发展，弱小目标探测越来越多的应用于各种不同的领域当中，如军事上的红外预警系统，它的发展为可疑目标的快速发现、对敌方的及时防御成为可能，能够对地面上的激动目标进行实时监测，定位攻击目标并了解敌方的一些军事动态。从二十世纪七十年代开始，在军事领域的发展趋势下，为了提高作战的精度及现代化，将弱小目标的探测引入到对军事目标的精确打击上面，后续许多的科研工作者在已有的研究基础上提出来很多改进的算法，大大提高了光谱结构提取的精确度。27261
尤其是近些年来，我国开始着手有关小目标检测与识别的技术，一般情况下，通常采取以下的检测步骤来进行检测：先在一帧图像中确定一些候选目标，接着采取序列图像来指定真正的目标，此情况下要采用多帧图像的方法，这样能够在一定程度上克服信噪比低噪声大的影响。此外，红外弱小目标因其信噪比低，虚警率高的特点，预处理的好坏也成为特征提取结果的重要依托。目前，北京理工大学的李晓琼等提出的高阶累积量的小目标探测技术[2]，可以比较好的压制背景的噪声影响，在虚警率的处理上也有一定的作用。膨胀和腐蚀是形态学的基本操作，由它们构成的形态学滤波器进行弱小目标检测[3]，滤波效果稍优于高斯 滤波效果。随着小波技术的发展，很多人利用小波变换来进行弱小目标检测[4，5],这种方法开辟了目标检测的一种新的思路，但是只有在选择复杂算法的小波基情况下，才能取得较好的效果。华中光电研究所的田岳鑫提出了关于Hough变换的小目标检测技术[6],这种方法实践应用的效果好，算法简便易行，但适用范围小，只适合一定信噪比的信号检测。此外，近年来研究的如形态学、分形、神经网络等数学工具，也都逐渐的被用作小目标的检测。论文网
在高光谱夜视图像之中， 它噪声大并且信噪比低的特点使得对其背景预测成为研究它的主流算法。在已有的算法中间，“对比度盒子”[7]采用对目标周围的背景进行滤波处理的方法，来进行小目标的探测。1993年，由Liou R J提出的高阶相关法利用时空域的相关性将小目标从复杂背景中提取出来[8],它的缺点是计算量大，所以没有得到广泛的应用。
目前基于背景预测和红外目标的光谱特征分类已经有很多相关的改进该算法，本文将在此基础上对多波段夜视空间目标光谱机构的特征提取进行进一步的讨论和分析。 多波段夜视空间光谱结构特征提取发展研究现状:http://www.youerw.com/yanjiu/lunwen_21712.html