红外小目标检测在红外预警以及红外制导等方面有着广泛的应用,是国家安防所依赖的主要探测手段。为了更好的进行防御或实现精准打击,必须要精准快速地检测到目标所在位置。由于远程成像,红外小目标成像面积小,缺乏纹理特征和轮廓特征,以及复杂的背景和噪声等因素,使得红外小目标的检测尤为困难。因此研究在复杂环境下能够精准快速地检测到目标位置的红外小目标检测算法是一项富有挑战性的任务。本文将深入研究复杂环境下的红外小目标检测算法,重点研究基于显著性的红外小目标检测算法中的局部对比方法,本文的主要贡献如下:（1）针对全局候选目标提取算法在检测尺寸接近于9?9的目标时,检测结果中的目标出现中心像素灰度值低于周围像素灰度值的问题,提出改进的全局候选目标提取算法。该算法主要包括均值滤波、构面核增强以及阈值处理三个阶段。通过将构面核增强阶段中采用的5?5构面核拓展至9?9,改进的全局候选目标提取算法解决了上述问题。（2）针对双邻域梯度算法实时性好但在复杂环境下的检测准确率一般的问题,提出改进的双邻域梯度算法（Improved Double-Neighborhood Gradient Method,IDNGM）。IDNGM算法通过改进显著图的计算以及引入梯度信息判定两个措施提高算法检测准确率。该算法主要包括候选目标提取、候选目标补全以及梯度信息判定三个步骤。该算法在本文图像数据集中具有良好的检测性能,改进后的显著图计算可以更好的增强目标,梯度信息判定可以很好的去除具有单一方向的干扰。相比于六种经典算法,该算法检测准确率最好且运行时间较少。（3）针对IDNGM算法在检测尺寸较大的不规则目标时性能下降以及实时性一般两个问题,提出一种基于四层窗口的局部对比方法（Four-layer Local Contrast Method,FLLCM）。该方法通过使用四层滑动窗口进行显著图计算以及去除显著图中的奇异点解决上述问题。该算法主要包括显著图计算、奇异点去除以及阈值处理三个阶段。采用多种复杂环境以及具有尺寸较大的不规则形状目标的红外图像进行仿真实验,在未融合其他信息时,该算法仍具有很好的目标增强效果。相比于IDNGM算法,该算法检测流程简单、检测准确率更高且运行时间更少。