由于红外探测系统具有机动性好、抗干扰能力强和全天时工作等优点,使得红外探测技术成为目标检测领域常用的手段,如红外火灾检测、红外告警和红外制导等。然而,在对地面目标进行检测时,地面场景复杂程度高、干扰多,且当目标成像距离较远时,目标成像的对比度和信噪比降低,使得复杂地面背景下目标检测的难度增大。因此,复杂地面背景下的目标检测技术研究有着十分重要的理论意义和工程应用价值。本文对复杂地面背景下的目标检测算法进行了深入研究,主要开展了如下工作。首先,对红外成像机理和红外图像的数学模型进行了研究分析,并采用真实的地面红外目标图像,从目标信噪比、目标局部邻域特性和目标尺度等方面对红外目标以及背景的成像特性进行了分析,同时分析红外图像中常见噪声。其次,研究提出一种改进的自适应奇异值分解(IASVD)算法,该算法利用两幅相邻图像的奇异值矩阵更新得到改进的奇异值矩阵,使预测的背景图像中包含更多的背景信息,从而提高了差分图像中目标的信噪比。然后,针对图像序列中运动目标检测问题,根据相关滤波理论,研究提出一种改进的时空上下文(ISTC)检测算法。该算法充分利用图像序列中的时空关系和图像中的灰度信息,为上下文提供了有效的模板,以增强目标与上下文区域的关联性,实现了有效的目标检测。最后,通过仿真的红外目标序列图像和真实的红外目标序列图像对研究提出的算法进行了仿真实验,实验结果验证了所研究提出的算法能够有效地实现复杂地面背景下红外运动目标的检测。