运动小目标的探测与处理一直是计算机视觉与图像处理工作中的重要课题，特别是在高精度光电跟踪检测系统中，运动小目标的实时检测是一个关键的问题。本论文就是针对宽视场凝视传感器类型的光电跟踪系统的成像特点对运动小目标的实时检测展开深入的研究。 在理论工作中，研究了多种运动小目标的检测算法。采用了多帧运动加权平均理论及运动检测理论建立了时域递归低通滤波算法模型，并将该模型应用于缓慢变化的背景预测。同时，还对时域递归低通滤波算法中k系数的不同含义及具体求法进行了研究与分析。提出了一种在恒虚警概率条件下，用时域递归低通滤波及帧间相关技术检测运动小目标的实时算法。 在实验工作中，对时空滤波和空间滤波的主要方法应用于运动小目标检测进行了仿真验证，衡量了时域滤波方法和空域滤波方法对背景抑制的能力，比较了一阶时域递归低通滤波算法中k系数求法不同时，提取运动小目标的效果。设计实现了基于数字图像处理芯片HSP48212的时域递归低通滤波系统，结合在系统可编程技术建立了运动小目标检测算法实时实现的硬件结构。完成了模拟远距离条件下，强背景中的弱小目标的检测，验证了基于时域递归低通滤波的小目标检测算法改善系统信噪比，抑制背景，增强小目标的功能。另外，还对目适应阈值法提取小目标轮廓作了验证实验，详细计算了该方法中的具体参数。 理论和实验证明了以下结论：对于运动图像，如果背景是缓慢变化的，或处于相对静止，用时域递归低通滤波可以预测背景，这一过程也可以看作是一种基于运动检测的多帧运动加权平均降噪处理。当图像序列通过这个时域低通滤波器时，图像序列的缓变部分可以从图像的快速变化过程中分离出来。当背景是完全时间相关时，通过帧间差分可以抑制预测的背景，检测出运动的小目标。 中国科学院长春光学精密机械与物理研究所博士论文在恒虚警概率条件下，这种方法能够很好地确定小目标的位置和较清晰地识别出小目标的轮廓。