近年来,随着科技的不断发展,红外目标检测跟踪系统在人类生活的各个方面都有广泛应用,例如交通、医疗及军事等领域。红外弱小目标检测作为红外目标检测跟踪系统中重要的一环,应当能实现精准且快速的检测。但在实际应用中,红外弱小目标通常具有信号弱、所占面积小、纹理特征不明显、信杂比较低等特点,同时目标常被淹没于各种复杂背景之中,这些都会导致相关算法的检测率较低,虚警率偏高,因此需进一步提升现有检测方法的性能。本文开展了基于人类视觉特性的红外弱小目标检测方法研究,主要根据人类视觉系统独有的视觉感知特性,通过获取到的信息对目标和背景进行区分,并加以处理后达到增强目标抑制背景的效果,使得红外弱小目标检测的质量与稳定性得到一定提升。本文主要工作内容如下:（1）针对因复杂背景下存在高亮度噪声及复杂边缘等干扰,导致红外弱小目标检测困难等问题,提出一种基于局部积加权对比的红外弱小目标检测算法。利用弱小目标的高斯特性和高亮边缘的单一性,采用对角计算与积加权相结合的方式,有效增强目标显著性。通过仿真实验证明,所提算法相较于传统的4种算法在各类指标上均有一定的提升,在不同复杂背景及噪声干扰下仍具有较好的准确度,达到了提高检测率,降低虚警率的目的,具有一定可行性和优越性。（2）针对如何在保证目标形状信息完整的同时增强目标视觉显著性进行研究,鉴于因多尺度算法导致算法实时性不强的问题,提出局部多层融合对比度的红外弱小目标算法。利用局部多层窗口模板对图像进行遍历,由于扩大了中心目标检测范围,使其在提高实时性的同时能更好保持弱小目标边缘的完整性。通过仿真实验证明,所提算法能在不同程度上有效提高检测率,减低虚警率,具有较强的鲁棒性。与其他传统算法相比,所提算法能在提升检测率的同时减少目标的形变情况,并尽量提高算法实时性。