随着红外成像技术的迅猛发展及其在军事方面的广阔应用前景，开展红外探测系统中弱小目标检测技术的研究，对提高区域防御系统的生存力、有效反击能力以及在未来战争中争夺制空权具有重要的军事意义和实用价值，同时，对红外成像制导等武器导引技术水平的进一步提高也具有重要的参考价值。 为了检测红外弱小目标，人们常用的方法有多帧积累，阈值分割，中值滤波器，小波变换，形态学滤波，背景预测等。其中多帧积累法可以有效的抑制噪声干扰，并且由于利用了目标的运动特性，提高了检测效率与能力。但是由于积累时间长，运算量大，对目标的运动速度有要求，从而使这种方法的应用受到限制。阈值分割具有算法简单速度快的特点，但是其检测效率不高。后来的中值滤波器，小波变换，形态学滤波等方法各自有其优势但是也有难以避免的弱点，所以在实际应用中还没有得到理想的结果。论文的主要工作及创新处如下： 1．分析比较了现有的典型红外目标检测算法，提出了基于“裁判模型”的背景预测算法。该算法可以自动排除预测窗口内偏离真实值的噪点，从而减少了噪声和背景起伏对背景预测的影响，不仅能解决传统预测算法的边缘模糊问题，而且有较强的抗噪声特性，尤其适用于具有复杂云层的空背景，是背景预测算法的一个重要扩展。仿真显示效果良好。 2．在背景消除的过程中，为了有效的消除残差图像中的椒盐噪声，提出了基于双预测窗口的“二次预测差分法”。这种方法的特点在于，采用两种不同的预测窗口对红外图像进行两次预测，然后将得到的两幅预测图像差分。仿真显示，这种预测方法效果显著。 3．研究了基于神经网络的红外弱小目标检测技术，并且针对真实的红外小目标图像给出了基于神经网络技术的检测结果。 4．在分析研究了以上种种红外目标检测技术以后，将“裁判模型”“二次预测差分法”和“神经网络技术”结合起来，组成一个红外弱小目标检测的综合方法，不但发扬了各自的优点，还互相弥补了缺点。并且结合了实际的红外图像进行了仿真试验，效果良好。