随着红外相机空间分辨率和采样频率不断提高,现有的传统星上压缩技术已难以满足其数据存储与传输要求。利用压缩感知理论建立新型测量和传输机制可有效减轻星地传输压力,其关键技术是基于压缩域的弱小目标检测算法。本文主要对压缩域红外弱小目标检测展开研究,首先在原有压缩域红外小目标检测算法的基础上进行改进,研究并提出了一种基于自适应参数估计和噪声统计模型的压缩域目标检测算法。其次,将压缩域目标检测算法拓展到序列图像,提出压缩域序列红外运动目标检测算法。论文主要包括以下三个部分:第二章分析了红外图像特性,介绍了目标检测的处理流程,对压缩感知的低维信号模型和矩阵低秩稀疏分解理论进行说明。第三章针对现有压缩域目标检测算法存在背景参数估计易受噪声影响,目标检测易对邻近目标产生漏警等问题。对压缩域红外数据矩阵进行自适应的低秩稀疏分解,分离重建背景和目标,根据分解残差推导统计模型并对目标阈值分割。仿真结果表明,改进算法较原算法具有更好的抗干扰能力,并有效解决了邻近目标的漏警问题。第四章针对单帧红外图像压缩域目标检测算法易受背景起伏和强杂波影响的问题,将算法扩展到多帧。算法对压缩域红外数据矩阵进行基于相似度聚类的低秩稀疏分解,然后对目标阈值分割。仿真实验结果表明,此算法能有效处理强背景起伏和强杂波,并对压缩比和帧间抖动有良好的适应性。论文研究的压缩域红外弱小目标检测算法能够应用于红外图像目标检测,满足星上大数据量红外图像的数据存储与传输要求,对红外监视与告警技术的发展提供有益的支持。