随着近年来红外成像技术的进步,红外小目标检测逐步从军事领域扩展到交通、安全防护、医疗、工程施工、紧急救援等诸多民用领域。当前大部分的研究成果聚焦于单帧图像的红外小目标或序列的红外小目标,红外数据库少,同时关注图像特征和检测对象的融合研究少有涉及。在应用中,红外热成像系统固有的成像机理会造成图像缺失色彩信息、质量差等问题,此外受限于成像距离、大气传输等因素,导致红外图像对比度低、图像模糊以及视觉效果差,与可见光的多雾图像相近。在检测对象方面,小目标外观形态复杂和纹理形状缺失使得小目标常淹没在复杂背景中（如厚云层、建筑、树木及高亮辐射源）。为此,本文从红外热像仪、图像和检测对象的基本特点出发,重点研究了可见光图像的去雾算法在红外图像上的迁移应用,并结合张量分析理论展开研究工作,主要工作归结如下:第一,针对红外图像对比度低、模糊和视觉效果差的问题,提出基于去雾增强模型的红外图像清晰化算法。受可见光图像去雾的启发,结合红外图像特点,以大气散射模型为理论基础,通过改进的暗通道先验算法去除造成红外图像模糊的成分,实现红外图像清晰化,从而改善视觉效果。第二,针对红外数据库少的问题,采用红外热成像设备和无人机构建红外小目标数据集。为提高算法检测精度,减少算法复杂度,提出基于去雾增强和张量分析的红外小目标检测算法。首先利用改进的暗通道算法对红外图像去雾增强,提高图像清晰度并增强图像的低秩性,再筛选匹配的张量正面切片去构建红外块张量模型,在张量奇异值分解的框架下,将小目标检测转化为张量恢复的研究;最后采用一种快速算法求解目标函数。所提去雾模型有效解决了红外图像中“薄雾”问题,增强图像低秩性,改进算法的局部对比度和清晰度相较于原图像显著提高。实验证明,所提算法能够有效抑制背景杂波,在构建的数据集和公开数据集都取得较优的检测准确率,复杂背景下的误检率可降低33%,在高亮背景区域中检测性能良好,表明该算法适用于复杂场景,剔除潜在虚警点。