随着科学技术的发展，自动目标识别系统已经成为现阶段和未来武器系统的一个重要组成部分，而且必将在未来战争中扮演十分重要的角色。本文主要对红外背景、低信噪比条件下的小目标检测技术进行了研究。研究内容包括图像模型理论、形态滤波和背景相关特性等相关内容。 本文首先从图像处理(主要是ATR算法)角度出发，讨论了数字图像的矩阵表示和矢量表示方法、图像的统计模型的一般理论问题，通过图像的随机场模型将图像的研究引入到宏观的统计规律(灰度直方图统计)和微观的统计关系(像素点之间的关系)上来。并针对ATR问题，研究了序列图像间差异性度量方法。 红外图像的背景统计特性对图像预处理和目标检测是非常重要的，因此本文对红外起伏背景的平稳特性、高斯性及空间相关特性等有关问题进行了必要的探讨。对于红外图像的预处理采用了基于形态滤波的方法，可以有效的去除干扰和噪声；经预处理后，采用自适应噪声滤波器实现对目标信号的增强和对噪声的抑制。 最后，本文介绍了神经网络的层次概念和BP网络在模式识别方面的应用，并探讨了一种基于非线性函数可调整的BP网络预测器。