在一些关键的军事领域（如预警系统、精确制导武器、防空系统）和民用领域（如刑侦、森林防火、交通管理、医学成像、遥感、航天、探测天空中天体和海面人员搜救），待突破的技术瓶颈往往都集中在弱小目标检测技术上。在光学散射、衍射等光学效应干扰下，远距离目标在成像靶面上信噪比很低，而且弥散面积很小。另外，复杂背景对目标检测干扰也很大。因此，目标极难从背景中分割出来。本研究主要内容包括：　　⑴分别从时域、空域和频域等空间，以弱小目标信号能量累积方式为基本出发点，研究了复杂背景下弱小目标检测的一些有效方法。通过大量的实际实验、仿真实验以及半仿真实验验证了本文提出的这些算法的有效性和鲁棒性。对基于序列图像时域剖面的运动弱小目标，针对传统时域剖面投影方法在目标信噪比较低时检测效果较差的问题，一种基于频谱幅值函数的时域弱小目标检测方法在本文被提出。这种方法通过分析图像上每个像素点的时域剖面曲线的频谱函数，发现在频谱函数为某值时目标轨迹能量在特征图像上达到最大，在此特征图像上检测目标轨迹从而检测目标。实验结果表明：在目标信噪比较低时，该算法对弱小目标的检测性能要强于传统的基于时域剖面的投影方法。　　⑵对深空背景下的弱小目标，针对叠加图像在使用传统背景抑制方法效果较差的问题，提出了基于主方向抑制高通滤波的图像预处理方法。这种方法在频谱上对方向信息明显的恒星线进行滤除的同时，完整保留弱小目标信号。实验验证了该滤波算法的有效性。针对深空背景下运动弱小目标，提出了基于极大似然估计以及光斑检测算子的方法。对非线性运动的弱小目标，在多维空间进行目标轨迹搜索，每次搜索后，采用光斑检测算子进行光斑目标检测。遍历搜索弱小目标后，得到最优参数下的目标运动信息以及响应值。实验表明：该算法对线性及非线性运动的多目标检测效果很好。　　⑶对深空背景下恒星目标，针对恒星图像发生拖尾引起目标信噪比降低及目标定位精度下降的问题，提出了基于方向积分的拖尾星点定位方法。这种方法首先检测恒星拖尾的方向、拖尾步长。然后沿着拖尾方向以拖尾步长进行积分，得到能量增强的目标。最后通过传统质心法对目标进行检测并进行位置估计。仿真实验表明：该算法不仅可以有效提高拖尾星点的检测能力，而且可以提高拖尾星点定位精度，从而提高星敏感器定姿精度。　　⑷对复杂背景下近似匀速直线运动的弱小目标，针对传统三维匹配滤波方法在目标运动速度未知的条件下实时性较差的问题，提出一种基于分块速度域迭代运动目标检测算法。首先计算序列图像在速度域上的叠加响应函数，然后检测该响应函数上的峰值从而获得目标的运动速度，最后利用此速度叠加序列图像，并在叠加图像上检测弱小目标。该方法绕开了速度域遍历搜索的问题，从而极大的提高了算法的效率以及实时性。另外，为提高速度域上目标的信噪比，在运行提出算法之前，还对图像进行了分块操作。实验结果表明：该算法与传统三维匹配滤波算法相比，实时性有明显的提高。随着弱小目标检测技术的发展，在军事领域，探测系统对远距离目标将会具备更强的探测能力。在民用领域，探测器也将具备探测更加微小目标的能力。