随着我国经济与科技的快速发展,海上活动不断增加,随之而来的是海上突发事件日益增多,在复杂多变的海面环境下如何能够快速准确地搜寻到海面遇险目标是实现高效海上搜救的重要前提。随着红外探测系统在海上搜寻系统中广泛使用,海面红外弱小目标检测算法也成为了影响海上搜寻系统性能的关键内容,这就是本文研究的核心问题。红外图像普遍具有信噪比低,分辨率低的缺陷,这导致海面目标在图像中的显著程度较低。同时海面环境复杂多变,在海岛、浓雾和风浪等干扰下,弱小目标容易被背景淹没从而难以分辨。目前针对弱小目标的检测算法在应用于海面场景时普遍存在难以剔除强海浪干扰,和存在大面积高亮度背景时容易导致弱目标漏检这两个共性问题,进而将导致较高的漏警率与较高的虚警率。为了解决以上问题,本文通过观察大量的各类海面环境下的红外图像,发现海面背景干扰可大致分为连续大面积干扰（海岛、浓雾等）和离散小面积干扰（强海浪等）,接着深入分析两种海面背景干扰与弱小目标的特征差异,提出一种结合图像滤波技术和人类视觉模型的海面弱小目标检测策略,即先对海面图像中的大面积背景进行剔除,再提取剩余区域的显著性以区分目标与保留的强干扰,最终实现对目标的精确检测。首先,针对红外海面图像中的常见的连续大面积背景干扰,选用图像空域滤波中的中值滤波技术对海面背景进行估计,为克服对图像全局进行中值滤波会同时削弱背景纹理的缺陷,本文提出一种基于敏感区域选择的海面背景估计策略对复杂背景进行精确提取,接着将背景提取结果与原图进行差分以实现海面背景剔除。在此基础上,以人类视觉系统中显著性提取的相关理论为依据,利用离散小面积干扰与目标在水平与竖直方向梯度特征上的差异,本文提出梯度幅值因子和梯度方向偏差两个指标对目标显著性进行提取,梯度幅值因子改进传统梯度幅值计算方法中单一方向较高的梯度值对最终结果影响大的问题,梯度方向偏差则只与两个方向上梯度值的接近程度相关,相比于其他算子这二者更适合于凸显目标的显著性。最后结合基于全局灰度分布的自适应阈值分割和形态学膨胀操作以实现对弱小目标的精确检测。为了验证所提出算法的有效性,利用大量各种常见海面环境下的红外图像对本文所提出的算法与目前公认的性能优异的算法进行了对比。实验表明,对比于其它算法,本文提出的算法对于各种常见海面环境下的目标进行检测时有更低的虚警率与漏警率,并且整体处理速度较快,这说明本文所提出的算法将更具有实用价值。