红外图像包含物体的温度信息，已被广泛的应用于工业、军事、医学方面。但其又存在背景复杂、易受杂波干扰、对比度差、边缘不清晰等缺陷，不符合人眼的观察习惯，限制了应用。目前基于分割的方法能有效改善红外图像的视觉效果，但对复杂背景下的红外图像及红外遮挡目标进行分割和提取时，由于噪声干扰及成像比较模糊，传统的方法不能有效分割和提取。针对这两类红外图像，为了更好的观察和分析图像，本文研究在图像处理中如何改进现有方法从而更加有效的分割复杂背景下的红外图像，提取红外被遮挡目标。　　 课题前期工作研究复杂背景下红外图像目标分割的有效方法，提出了基于meanshift滤波和蚁群聚类的复杂红外图像分割算法。该方法首先利用meanshift的自适应平滑滤波特性，在不损失目标信息的情况下，滤除复杂背景的杂波干扰；然后根据滤波得到的区域，用蚁群方法在区域之间进行聚类合并，获得最终的分割结果。采用区域来表征蚂蚁，与基本蚁群算法将每个像素看作一只蚂蚁相比，其蚂蚁个数大大减少，因而减小了计算的复杂度，提高了红外图像处理的效率。实验结果表明，该方法可以准确地分割出目标，是一种快速有效的图像分割算法。　　 课题后期工作研究红外图像中目标边缘模糊程度较大的被遮挡目标的提取，提出了基于最大方差和否定选择的红外图像遮挡目标的提取算法。目标提取属于图像分割范畴。虽然已有许多基于边缘提取的目标分割方法，但是对于目标边缘模糊程度较大的图像如红外图像中被遮挡的目标的提取，一些较为成熟的目标分割方法也难于得到较理想的结果。否定选择算法是对免疫细胞的成熟过程的模拟，是免疫识别的一种主要方式，否定选择算法的检测机理非常适合于图像中特定目标的检测提取，本文根据红外图像特点，结合最大方差的温度阈值函数方法，提出了一种新的检测器生成规则，并由此构成适合于图像目标检测的免疫否定选择算法。将其应用到红外遮挡目标提取，取得了较为理想的检测结果。