由于目标距离成像远,目标在图像中的灰度值较低、所占像素数少,无纹理、形状等信息,而且复杂地面背景中的背景辐射干扰和杂波干扰多,导致复杂地面背景中红外弱小目标难以检测,虚警率较高,是目前弱小目标检测的一个研究热点和难点。本文从复杂地面背景图像特点分析、复杂背景抑制方法和多帧信息关联提升目标检测性能三个方面入手,研究了复杂地面背景中的红外弱小目标检测方法。本文首先对红外成像探测系统的工作原理进行了分析,研究了红外图像数学模型及噪声模型,结合公开数据集中的红外图像,利用灰度直方图、三维响应图等直观表现复杂地面背景和弱小目标的辐射特性,分析了复杂地面背景中的干扰、噪声等对弱小目标检测带来的影响。在复杂背景背景抑制方面,针对传统背景抑制算法在抑制复杂地面背景中出现的高漏检率问题,研究了一种基于高斯曲率滤波的背景抑制算法,该方法通过构建多尺度图像金字塔,在不同尺度下对图像进行滤波处理,使曲率滤波能够处理不同尺度的目标图像的背景估计问题,使信噪比增益、背景抑制因子都有效提高。然后通过阈值分割提取出候选目标,完成基于单帧图像的目标检测。通过对比实验,验证了本文算法在背景抑制上的性能优于其他背景抑制算法。最后,针对单帧算法无法处理地面强杂波干扰的问题,研究利用多帧图像信息进行数据关联,剔除杂波和噪声干扰,实现弱小目标检测。通过快速傅里叶变换进行帧间图像配准,获得帧间背景的移动量,消除镜头抖动对检测的影响。针对点目标,研究改进了一种基于时空上下文的多帧数据关联方法。该方法建立图像间的时空上下文模型,通过最大化置信图来逐帧预测目标坐标信息,实现目标检测。仿真实验表明了本文算法具有更高的检测概率和鲁棒性。