导弹防御系统对维护国家和地区安全意义重大。对导弹目标的快速检测和准确识别是导弹拦截的基础和前提,同时也是现代导弹防御系统面临的最大技术挑战。本文主要围绕基于红外探测的导弹目标检测和真假弹头目标识别两个问题展开研究,具体研究内容包括:（1）针对天基预警系统在复杂背景下的红外点目标检测问题,改进了一种新的星地联合目标检测体制。该体制下,星上信息处理系统完成基于单帧图像的点目标检测和基于单帧图像的复杂背景区域提取两个任务,地面信息处理系统完成点目标的多帧关联和复杂背景下的运动点目标检测两个任务。实验结果表明,在复杂背景情况下,该检测体制能够在保证目标检测概率的同时,显著降低目标的虚警概率。（2）针对星上信息处理系统中基于单帧图像的点目标检测问题,设计了一种基于八方向线性预测的单帧红外点目标检测算法。该方法对红外图像每个像素的背景预测包含两个步骤,首先分别从八个方向对该点灰度值进行线性预测得到八个预测值,然后求其高斯加权和作为最终的预测结果。实验结果表明,该算法能在保证算法实时性的基础上,有效抑制背景杂波,提高目标信噪比。（3）针对星上信息处理系统中基于单帧图像的复杂背景区域提取问题,提出了一种基于备选点自适应聚类的复杂背景区域检测方法。该方法首先通过背景抑制检测出单帧图像中的目标备选点,然后利用区域生长的方法对备选点进行自适应聚类,最后对同一类备选点所构成的图像区域做出复杂度判决。实验结果表明,该方法能快速有效地检测出图像中不同大小的复杂背景区域。（4）针对地面信息处理系统中基于序列图像的红外运动点目标检测问题,首先设计了一种基于空时局部对比度的红外运动点目标检测算法,并通过实验验证了算法的目标检测性能。然后在此基础上,提出了一种强化的空时局部对比度算法,该算法在空域上采用八方向滤波融合得到空域局部对比度,在时域上利用等间隔的三帧图像做两次差分,然后将两个差分图像相乘得到时域局部对比度,最后通过强化阈值分割进一步降低目标的虚警概率。实验结果表明,在复杂背景情况下,该算法能有效抑制图像背景,显著提高目标信噪比,提高目标的检测概率。（5）针对远距离的空间红外点目标识别问题,首先综合考虑目标的物理特性、运动特性和探测器的成像效应,建立了空间点目标红外辐射强度序列模型,为后续点目标识别算法研究提供了数据支撑。然后提出了一种基于稀疏表示的时间序列分类算法,该算法分别对不同类别的训练样本构建其相应的字典,将测试样本在各字典中进行稀疏重构,并将其归类为重构误差最小的那一类。实验结果表明,该算法对时间序列的长度具有很好的适应性,对时间序列数据丢失具有较高的容忍度,同时也具有很强的抗噪声干扰能力。最后结合深度学习和稀疏表示的思想,提出了一种基于稀疏调制卷积神经网络的时间序列分类算法。该算法的输入信号既包含原始时间序列,也包含稀疏调制后的时间序列,使得输入信号的细节信息更加丰富,另外,卷积神经网络能够自主挖掘和提取时间序列的局部结构特征,逐层形成具有区分性的深度特征,且对序列的平移和缩放具有较强的适应性。实验结果证明了该算法在时间序列分类问题中的优越性能。