伪装目标检测（COD）旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时，忽略了特征的表达和融合方式对检测性能的影响。为此，提出一种基于递进式特征增强聚合的COD算法。首先，通过主干网络提取多级特征；然后，为了提高特征的表达能力，使用由特征增强模块（FEM）构成的增强网络对多层次特征进行增强；最后，在聚合网络中设计邻近聚合模块（AAM）实现相邻特征之间的信息融合，以突显伪装目标区域的特征，并提出新的递进式聚合策略（PAS）通过渐进的方式聚合邻近特征，从而在实现多层特征有效融合的同时抑制噪声。在3个公开数据集上的实验表明，所提算法相较于12种最先进的算法在4个客观评价指标上均取得最优表现，尤其是在COD10K数据集上所提算法的加权的F测评法和平均绝对误差（MAE）分别达到了0.809和0.037。由此可见，所提算法在COD任务上拥有较优的性能。
