红外小目标检测是红外搜索和跟踪监控系统的重要技术之一。但在复杂背景下,小目标因其成像距离远,无形状、纹理信息,信噪比低等特点,给检测带来了很大的难度。本文以红外复杂背景图像为研究背景,根据其特有的目标特性与背景特性,应用近年来引起学者广泛关注的人眼视觉和压缩感知算法,研究出了适用小目标检测的背景抑制和检测算法,取得了一定的研究成果,主要内容如下:第二章分析了红外图像特性和经典背景抑制算法。首先,分析了红外图像成像的原理,对红外图像的背景杂波和小目标的特性进行了建模分析;然后,仿真分析了几种经典的背景抑制算法。第三章研究了复杂背景下红外图像背景抑制的问题。受人眼视觉机制和尺度算法的启发,根据小目标会造成图像局部不连续的特性,本文提出了一种具有自适应窗口大小的基于中心-邻域图像块对比度的背景抑制方法。首先,用图像信息熵决定邻域窗口的最大尺度,然后,利用一种全新的多尺度中心-邻域对比度特性(MCSCM)得到图像的显著性图,该方法通过计算图像块中心-邻域最小的对比度,并在多个尺度下进行最大值的合并计算。通过仿真实验分析,该方法能有效地抑制背景杂波,提高目标强度。第四章针对复杂背景下红外小目标的检测问题,基于目标背景分离的思想,提出了一种通过局部形态学分析(MCA)稀疏表示的检测方法。该方法根据目标和背景之间形态成分的不同,将红外小目标检测问题转换为整个图像上的目标-背景分离问题。首先,将一幅红外图像通过K-SVD分解算法,自适应地训练得到整幅图像的全局字典。然后,通过一个全变分活跃度衡量的方法将字典分为目标成分字典和背景成分字典。最后,对目标成分字典恢复出的目标图像中进行阈值分割,便可准确检测出目标。实验结果证明了该方法的有效性。