低信噪比红外运动小目标的识别是近年来图像处理与目标识别领域的一个难点，其任务是从经过预处理的图像序列中发现满足条件的运动点目标。其中，预处理算法的目的是抑制各帧图象中的背景噪声，削弱其对红外弱目标的影响、提高信噪比，它对于后续检测算法的选择及实现性能影响很大。 本文在对三种预处理方法：高通滤波、自适应滤波和形态学滤波进行重点介绍的基础上，详细分析了每种方法各自的优缺点、并通过仿真试验加以验证，总结得出了各预处理方法的适用条件，提出只有根据实际的场景和检测需求来选择才能使预处理算法达到预期的效果。 在小目标检测算法中，介绍了基于先跟踪后检测思想的多级假设检验算法及动态规划算法。多级假设算法用根据图像信息和系统的要求得到的多级门限对形如“树”一样的轨迹进行不断修剪，最终得到的就是目标所在的树枝。动态规划算法把最优化原理同弹道积分原理结合起来，将小目标检测问题转化成为在一系列轨迹中寻找灰度累加值最大的线路的问题。通过实验仿真证明了其确实具有准确检测小目标的特性。但是对于DBT检测算法很难解决的低信噪比小目标问题，先跟踪后检测算法是牺牲系统的计算量和存储量来实现的。 最后，作者提出了一种多级假设改进算法，将多级假设和动态规划算法结合起来，大大减少了整个检测过程的计算量和存储量。希望在未来红外小目标检测算法研究中能有实际应用。