红外小目标检测技术作为红外成像系统中的核心技术之一，其算法性能在军事领域有着重要的意义和价值。红外小目标图像中目标特性与背景特性有着显著的差异，这是背景抑制技术的基本条件。从这一角度出发，论文介绍了几种背景抑制技术。论文详细介绍了一种新型的top-hat变换技术，它与经典top-hat变换技术的不同之处在于它是选取两个不同但紧密相关的结构元素，充分利用了目标区域与其周围背景区域的差异，与经典的top-hat变换相比，它能较好的抑制背景。基于形态学的top-hat变换技术的关键是结构元素的选取，结构元素的不同会得到差异很大的效果，其缺点是需要较好的先验知识，另外当图像信噪比较低时，仅靠单帧的top-hat变换技术很难检测出目标。论文提出了一种新的基于背景重建的背景抑制技术，它具有自动实现无需任何先验知识约束的优点。从像素邻域出发，首先对任意相邻两帧图像f₁和f₂分别做分块处理，对f₁中的某像素块，从f₂中搜索其最近邻的k个像素块，然后在满足最小重建误差的条件下，用这k个像素块重建该像素块，对f1中的每个像素块做相同的处理，最后得到重建的背景图像。此时背景可以很好的重建，而目标重建的误差较大，这样就可以去除绝大部分背景的干扰，使目标凸显出来。该方法适用于背景起伏不是很强烈，场景中目标较小的情况。论文还提出了一种新的图像分割的方法——最小非均衡图切割的方法，该方法从切割能量的角度出发，寻求最优的切割阈值，分割精度较高。针对序列图像中稳定存在的虚假目标干扰，提出采用adaboost学习的方法来区分真正的目标和虚假目标，实现红外小目标的低虚警率检测，这种方法能够得到较好的求精结果。由于该方法需要事先选取样本，提取样本的运动信息进行训练，所以该方法实时性不好。