对基于中值相减滤波、最大中值相减滤波、最大均值相减滤波和推广的结构张量的红外弱小目标检测算法的性能进行了评估。针对传统评估方法的不足，提出了一种基于支持向量回归的红外弱小目标检测算法性能评估方法。利用该方法分别从图像背景特性和目标特性2方面对4种检测算法性能的影响进行定量分析和比较。实验结果表明，图像背景特性和目标特性对4种算法的检测性能都有较大的影响，而目标特性与4种算法的检测性能的依赖关系更明显；在4种评估算法中，基于推广的结构张量算法比其他3种传统红外弱小目标检测算法具有更好的鲁棒性。

提出一种基于深度学习的弱小目标检测方法,该方法基于语义分割任务,利用全卷积递归网络学习复杂背景下弱小目标的特征,并在网络中使用了残差学习和递归操作,具有加速网络优化、模型参数少、深度递归监督和特征重用等特点。将此方法应用在两个真实的图像序列和红外图像测试集上,与三种最新的弱小目标检测方法进行对比,结果显示,在目标增强和背景抑制方面,此方法取得了最好的可视化效果,并在目标检测率、信噪比增益、信杂比增益和背景抑制因子等评价指标上取得了优秀的测试结果。因此,对于不同场景下的红外图像弱小目标检测问题,此方法具有良好的适用性和鲁棒性。

完整代码，可直接运行

基于空-频特征模式的星空图像弱小目标检测方法，孙瑾秋，薛丹娜，为了进行空间碎片的有效监视，目标检测使其关键，即从星空图像中提取出更低信噪比的恒星和潜在目标。然而由于成像环境复杂，受到

针对复杂背景下红外图像中低信噪比弱小目标实时检测问题，提出一种基于相关滤波器的红外弱小目标检测算法。该算法将红外目标检测转化为模式分类问题，在离线训练阶段，利用二维高斯模型构造红外小目标训练集，在此基础上训练得到对目标背景具有区分能力的相关滤波器，在线检测阶段，利用滤波器对图像分块进行滤波操作，目标和背景的滤波响应有着显著的差异，最后生成整幅图像的滤波响应置信图以此来判断图像中是否包含目标及其具体位置。在单帧单目标图像、序列图像多目标检测实验结果表明，与经典检测算法相比，所提方法不仅具有更高检测性能，有效降低了虚警概率，而且具有较好的实时性，适用于复杂背景条件下弱小目标的实时检测。

多尺度局部对比度红外弱小目标检测

是8bit位深的伪彩色BMP图，可用于小目标检测，背景是云层，目标亮与周围的背景，可用于论文《An infrared small target detection method based on multiscale local homogeneity measure》和《Infrared small target detection based on local intensity and gradient properties》的复现中。

大视场的红外图像，由于分辨率高，对图像实现像素级处理很难满足实时性要求。针对大视场特定背景下的低空目标，提出一种由粗到精的检测方法。先将图像分块，计算分块图像熵值，组成熵值矩阵进行熵值分割，区分背景区域，得到所需求的目标可能出现的区域，完成粗检测；然后用Top-hat形态滤波法对所得区域进行精检测，得到检测目标。实测数据证明，该方法能在检测弱小目标的同时大大减少计算量，较好地满足了大视场下弱小目标的实时检测、处理需求。

这个是基于图像块的红外弱小目标检测，使用的是IPI的方法，检测效果十分的好，自带n张红外小目标的图像

2021年IEEE GEOSCIENCE AND REMOTE SENSING LETTERS 期刊最新的红外弱小目标检测论文《Robust Infrared Small Target Detection via Multidirectional Derivative-Based Weighted Contrast Measure》的论文原文和源代码。希望对各位有所帮助。