可见光探测系统受光照等因素影响，在成像时存在严重的非均匀性干扰，使弱小目标被强杂波淹没，导致远距离空间目标检测困难。本文一方面采用预处理方法对图像非均匀性进行校正，增强目标信噪比与对比度，另一方面针对强光下可见光图像背景强度高、目标信噪比低、对比度弱等情况，提出基于梯度特征提取的弱小目标检测方法。主要研究工作如下：

（1）目标增强方面：提出局部幂变换的非均匀性校正预处理方法，提高目标信噪比与目标增强效果。在强渐晕非均匀性影响下，弱小目标与背景的相关性变强，限制背景抑制与目标增强效果，使传统算法检测困难。强光背景图像中渐晕非均匀性分布广泛且不规则，难以通过建模方式完全消除，同时自然场景的非均匀性校正方法通常对全局图像进行校正，不利于保护目标。因此本文对不同灰度级的局部区域采用不同γ值进行幂变换，得到平稳的输出图像，同时利用幂变换的拉伸效果增强目标与局部背景的对比度。该算法不需要对渐晕非均匀性进行数学建模，可作为增强与检测前的预处理阶段。实验结果表明局部幂变换的非均匀性校正方法将传统背景抑制与目标增强算法的LSNR提高1.05dB以上，对背景杂波与噪声较少的序列图像可以实现完全检测。

（2）弱小目标检测算法方面：针对传统方法对低对比度、低信噪比弱小目标检测难度大的问题，提出一种基于梯度特征提取的弱小目标检测方法。传统的单帧检测方法通常依赖于目标与背景的不连续性且没有充分利用目标成像的形状特点，导致强杂波影响下的低信噪比、低对比度目标检测率低、虚警率高。而本文利用弱小目标的形状及各向同性在梯度空间中的正负分布特点，设计梯度特征提取模板增强目标同时抑制背景，通过局部对比度增强目标梯度特征，进一步提高目标信噪比，最后通过阈值分割实现目标检测。实验结果表明，本文所提出的基于梯度特征提取的弱小目标检测算法可直接对-2dB左右的强光背景弱小目标进行检测，结合非均匀性预处理算法后可准确检测-3dB左右的强光背景弱小目标。