微弱目标检测是现代雷达技术领域中的研究热点，由于远距离，隐身，高机动以及低空超低空突防等都给雷达检测带来严重的挑战，日益凸显出雷达微弱目标检测研究的重要性。雷达微弱目标的检测在技术上涉及相干积累，非相干积累和恒虚警率检测等问题。为了增强微弱目标的检测能力，通常采用长时间非相干积累方法。目前雷达的长时间非相干积累主要集中在TBD技术上，本文研究了基于粒子滤波的微弱目标检测前跟踪算法，该算法的本质是利用时间来换取能量。由于雷达在空和时等高维空间存在相关性，故可以在不同的域上进行积累来提高微弱目标的检测能力。本文从空域积累的角度出发研究了雷达微弱目标检测方法。对于雷达微弱目标的检测，积累处理是一种有效的方法，既可以从时域的角度出发进行积累，也可以从其他域进行积累处理。基于非相干积累的TBD-PF算法是从时域进行积累的，本文从空域积累着手，将多周期回波信号拼接成图像序列，针对图像序列上目标的特征信息，提出了不同的全局优化检测算法。首先利用目标特征的跟踪以及基于全局优化的最小图切算法，实现快速检测，较好地解决雷达微弱机动目标的检测问题。但是图切算法作为一种全局优化检测方法由于忽略了一些局部信息导致目标边缘易发生偏移，本文在基于图切的微弱目标检测的基础上，利用测地线活动轮廓和恒定的目标边缘长度约束来优化网络节点参数流量，提出了恒边长的测地线活动轮廓加权的雷达微弱目标检测算法。进而提高微弱目标的检测概率。最小图切算法是基于低阶的马尔科夫随机场（MRF），能量函数的低阶近似，将无法准确描述图像像素的空间相关性，导致图切检测结果过度平滑。通过引入高阶欧拉弹力模型修正目标边界曲线，改善检测目标的人眼视觉连续性，提高雷达微弱目标的检测精度。