复杂背景下红外弱小目标检测技术对于红外预警、精确制导等领域的发展具有重要的意义。越早地探测到目标,就能够为后端提供更多的反应时间,因此实现远距离的有效探测十分重要。与传统的雷达系统相比较,红外搜索与跟踪系统是无源被动工作系统,通过接收物体的不同辐射能量识别目标,并且具有体积小、重量轻等优点,适合安装在战斗机或无人机上。弱小目标在图像中所占像素极少,且没有物体的细节和纹理特征。在成像过程中受背景云层、大气辐射等因素的影响,接收到的目标强度大大降低,经常造成目标辐射强度低于红外图像中非目标区域的辐射强度,导致在探测目标时容易出现目标丢失和高虚警概率等现象。另外红外弱小目标检测技术是红外搜索与跟踪系统的重要组成,是军事、航空和航天应用的关键技术,因此复杂背景下红外弱小目标的检测是一项极具实际意义的研究方向。本文从红外弱小目标的成像特征入手,分别针对背景抑制、阈值分割和时空域联合检测方法进行了研究,提出能有效解决弱小目标的弥散和多形态特征的检测方法,最终实现复杂背景下红外弱小目标的有效检测。首先针对红外弱小目标的成像特点进行了详细研究,由于探测距离远导致目标成像面积小,而背景则多为大面积的云层或建筑物等复杂背景,所以要先对图像进行预处理。在单帧图像的红外目标检测中,为了探测低信噪比目标,针对图像背景复杂和目标形态多样等问题提出一种新的背景抑制方法。在预处理部分,考虑目标的扩散和目标在像平面的动态分布特征,在软形态学的基础上进行改进,结合多方向动态滤波模板,滤波模板选取4个方向的5×5的结构元素,这样可以有效地抑制背景,最大程度保留目标形状信息,并具有更好的鲁棒性。在阈值分割部分,提出多方向梯度阈值分割方法,统计8个方向不同步长的梯度值,统计超过阈值的梯度数量筛选目标点。最后通过能量集中度剔除可能残留的虚警噪点。实验证明,提出的检测方法能够有效提高目标探测率降低虚警率,探测率达到98.5%,与其他算法相比,本文提出的算法分别将探测率提高了20%和14%,虚警率降低了52.6%和44.4%。单帧检测容易造成漏检和虚警率高等问题,为进一步降低虚警率,研究了时空域联合红外弱小目标检测方法。本文将背景建模与数据关联相结合,提出一种新的时空域联合检测算法。首先经过空域滤波进行初级抑制,图像中每个像素点灰度值都与相邻像素灰度值有关,针对这一特性建立模型对背景进行估计,并与原图像差分将大部分背景去除。然后利用能量集中度准则可将残留的虚警点剔除,提高探测率。根据运动目标在多帧图像中的连续性,利用粒子滤波对目标轨迹进行跟踪,确定目标位置。分别对纯净天空背景和云层背景的序列图像进行检测,实验证明,提出算法可以有效跟踪目标轨迹,实现多帧目标检测。