复杂背景下红外运动弱小目标的检测与跟踪技术是红外成像制导和红外预警系统中的关键技术。场景中往往存在着大量的背景景物、点目标的特点一距离远、信噪比低、强杂波等增加了目标检测和跟踪的难度。目前对红外目标的检测方法有很多种,如小波分析、神经网络训练等都有很好的效果,但在计算量和实时处理方面却很难达到实际应用的要求,而实时检测目标又是红外目标检测整个系统的重点,因此深入研究复杂背景条件下运动小目标的检测技术具有较高的实际应用价值。本文在对国内外目标检测算法研究的基础上,针对文中涉及到的复杂背景下的低信噪比小目标的检测问题,进行了专项研究,把问题分为两部分,一个是杂波背景的抑制,另一个是序列图像中运动小目标的检测。本文分析了传统的背景抑制的方法,然后针对存在的问题和缺点给出了“背景复杂程度”的概念,将图像的加权信息熵引入到这一概念中,分析并验证了它的有效性,然后选取了适合此种复杂场景环境中的频域滤波器,并把复杂程度的概念与滤波器的截止频率联系起来,达到了根据不同场景自适应改变滤波器性能的目的,具有比较好的检测效果。然后采用邻域检测的算法,针对经过预处理的红外图像进行基于目标运动连续性的检测。在与传统检测方式的对比中,文章采取的检测方案显示出了良好的通用性和比较理想的检测效果。全文采用MATLAB对图像进行仿真和处理,实现了多种检测算法性能的比较,并分析了不同算法的优点和不足之处,同时也提出了可以一些改进的意见和建议。