近年来,低信噪比红外图像弱小目标检测问题一直是光学和红外图像领域的研究热点。光学传感器和红外为被动传感器,在现代战争中具有较强的生存能力,但其作用距离较短。研究低信噪比红外图像中弱小目标的实时检测与跟踪算法,可以实现扩展作用距离的目的。低信噪比弱小目标检测的难点在于:目标成像距离远,图像信噪比低,又无形状、纹理等特征信息可以利用。相对于其他红外目标检测与跟踪问题而言,如何实现对复杂背景条件下红外弱小目标的稳健检测和跟踪就成为了一项更具有实际意义和挑战性的研究课题。本文探讨了低信噪比的红外图像弱小目标检测问题,从整体上给出了一条弱小目标检测的研究思路。本文将红外弱小目标检测问题分为基于单帧的红外图像弱小目标检测和基于序列图像的帧间关联检测两个方面,分别进行了深入、系统的研究,主要的研究成果如下:(1)针对复杂背景条件下的红外图像预处理问题,详细分析了红外弱小目标、背景以及噪声的成像特性。结合目前常用的图像预处理方法,就如何有效提高红外弱小目标图像信噪比,为后续检测创造有利条件进行了深入研究。在此基础上,进行了空间匹配滤波器的优化设计,并实验仿真了优化设计的匹配滤波器的优越性能。(2)针对单帧红外图像的弱小目标检测问题,建立了红外图像的数学模型,并提出了图像预处理——背景估计与抑制——目标检测——目标特性统计的单帧红外图像目标检测方案。(3)提出了一种改进的数学形态学滤波算法。针对经典数学形态学直接应用于红外图像弱小目标检测的不足,从改进形态变换和优化结构元素方面入手,提出了一种改进的形态学滤波方法。结合优化设计的匹配滤波器、改进的形态学背景抑制和自适应门限的检测算法由于更智能地融入了应用背景的特性,真实地感知背景,进行背景估计和检测,从而实现对低信噪比的弱小目标检测的良好检测性能。(4)针对序列红外图像的弱小目标检测问题,在分析多假设跟踪的基础上,引入检测前跟踪和关联检测的思想,研究并分析了序列图像中目标点的位置相关性和运动轨迹的连续性和规律性,提出了一种改进的结构化分支多假设跟踪的检测方法,进一步提高了检测概率,降低了虚警概率。