中文摘要：

极低信噪比红外图像的目标检测与跟踪是当前智能化光电信息处理的前沿关键技术之一，在航空探察、遥感识别、战场感知、精确制导、反隐身探测等领域有着广泛的应用前景。本项目基于图像背景感知与动态的帧间信息融合思想，提出了自适应信号检测、目标特征识别和运动轨迹跟踪的模块化数据处理方案。为改善信噪比、降低虚警率，将采用自适应形态滤波（获取视场背景的空间起伏特性）、背景杂波抑制（利用最优切割门限消除起伏杂波影响）

结论摘要：

极低信噪比红外图像的目标检测与跟踪是当前智能化光电信息处理的前沿关键技术之一，在航空探察、遥感识别、战场感知、精确制导、反隐身探测等领域有着广泛的应用前景。本项目基于图像背景感知与动态的帧间信息融合思想，提出了自适应信号检测、目标特征识别和运动轨迹跟踪的模块化数据处理方案。为改善信噪比、降低虚警率，采用了自适应形态滤波（获取视场背景的空间起伏特性）、背景杂波抑制（利用最优切割门限消除起伏杂波影响）和检测融合（利用多帧相关信息增强图像检测性能）等综合措施，建立几何结构、光照分布以及运动状态等多特征矢量在容错准则下加以融合，构造形态学神经网络模型，通过动态结构校正，使之具有位移不变、伸缩不变和旋转不变的检测特性，并实现残缺信息的目标识别。当目标短时间被遮挡后自动引入运动误差估计，以便具有稳定的记忆跟踪能力。为满足应用要求，将进行映射变换以压缩信号检测空间，进而加速图像信息的高效实时处理。