红外遥感卫星凭借其大视场、全天候、实时输入等优势,成为了红外检测任务中目标信息获取的理想途径,而低轨与椭圆轨道卫星平台的运动特性则进一步提升了其探测范围。但对于天基红外目标检测,其实际应用环境下往往存在目标尺度小、能量弱以及受强杂波影响严重等问题,而传统方法与深度学习方法各自又有性能受限与泛化能力较差等缺陷。同时由于真实红外目标事件频率低、样本少、获取方式困难,难以提供符合需求的研究样例,也对红外目标检测方法的研究、训练与测试造成了阻碍。综上所述,红外小目标检测成为了目标检测领域一项极具挑战性的任务。针对以上问题,本文主要围绕天基动平台红外遥感图像仿真及红外小目标检测方法展开研究:（1）基于动平台成像特性的红外图像仿真:对于非同步轨道遥感卫星,其姿态位置与成像区域时序变化导致成像特性相应改变。为表征此类特性,本文从卫星成像工作模式与典型目标特性出发,进行动平台红外成像仿真算法设计。首先,依据卫星位置姿态数据建立几何成像模型;其次研究典型红外小目标特性,仿真其在像平面上成像特点;最后,研究光学成像链路中典型影响因素,构建仿真模型,实现不同轨道、姿态以及目标特性下的红外小目标遥感图像数据仿真,为目标检测方法的研究以及检测算法的训练提供数据支撑。（2）基于传统方法与深度学习结合的红外小目标检测方法研究:为弥补传统方法与深度学习各自缺陷并结合两者优势,本文提出结合两者的目标检测方法。首先构建了多阶段特征提取网络对图像背景特性进行提取,增强了算法对复杂成像背景的适应能力;其次选取多种典型传统滤波模板在特征网络指导下进行融合,摆脱了人工特征构建的性能限制,并提升了对不同尺度目标的适应能力与网络泛化能力;最后通过背景建模结果进行背景抑制,有效削弱了背景杂波起伏影响并增强目标特征,从而可实现复杂成像背景下红外小目标高检测率、低虚警率的检测。（3）实验验证及分析:经由红外遥感数据及SIRST公开数据集测试,证明本文提出方法对不同尺度及不同信噪比目标在多种复杂场景下均有较好的检测效果,检测率优于其他对比算法;而在异源数据集上,本方法与深度学习方法相比具有更强鲁棒性和泛化能力。同时通过消融实验,证明了本文提出的算法模块的有效性。