复杂非均质背景红外图像弱小目标的检测问题是目标识别与检测领域的重要研究方向,在军用和民用领域均有着广泛的应用。复杂云层、海面波浪等非均质背景具有局部区域灰度变化剧烈、无特定形状特征、信噪比低、杂波厚重等特点,是红外小目标检测问题的难点。当前尚没有专门针对特定非均质背景图像进行研究的公开文献,当前主流检测算法在处理非均质背景图像时往往具有虚警率高,检测率低及稳定性差等缺陷,难以满足实际应用的需求。针对这些缺陷,本文专门分析了非均质背景红外图像的梯度向量场局部特征、方向导数局部特征、区域间边缘特征,提出了四种专门针对非均质背景的红外小目标检测算法。针对基于灰度值统计量的局部对比法（LCM）在非均质背景条件下可能会导致的严重虚警问题,分析了红外图像梯度向量场中小目标区域、局部背景区域和杂波区域的特性,提出了一种基于梯度场特征的局部对比法的红外弱小目标快速检测算法。首先,算法提取了局部梯度场长度特征和方向特征,然后提出基于梯度场的局部对比法,最后再通过计算各候选目标点的通量值以确定真实目标。该算法适用于对实时性和检测效果都有一定要求的情形,实验结果表明,该方法的检测效果显著高于同类型的LCM系列算法。针对复杂云层背景和复杂海面波浪背景红外图像中云层或波浪具有典型的方向属性,分析了基于小面模型的方向导数图像特征,提出了一种基于Facet核和方向导数特征的红外图像小目标检测方法。首先,采用一种基于小面核的方向导数快速算法以获取方向导数图像。然后,提出一种基于局部特征对比法的多向方向导数显著图,最后对融合后的显著图进行阈值分割,并进行目标确认和目标标记。实验结果表明该算法具有高检测率和低虚警率的特点,检测效果较好,能适用于绝大部分的实际应用场景。针对当前主流的红外小目标检测算法在局部非均质（heterogeneous）背景图像的虚警率较高的问题,提出了一种基于自适应局部多对比量度的非均质背景的红外小目标检测算法。当前主流的基于视觉注意机制的算法（如LCM类算法）大都简单采用统一的对比度量来替代其当前像素值,而没有考虑到非均质背景的局部特征,从而导致虚警的出现。针对这一弊端,本文重点分析了目标处于不同背景区域边缘（如复杂云层边缘,海天线、地平线）时的局部特征,此时目标周边具有灰度变化剧烈、信噪比较小、背景区域边缘复杂多变等特点。根据这些局部背景的特征,提出一种自适应背景的多对比量度的红外小目标检测算法。该算法能够根据目标所处的背景自适应地产生与之相适应的局部对比量度,实验结果表明该算法能有效降低虚警率,具有一定的实用价值。基于低秩稀疏矩阵（张量）分解的红外小目标检测算法是当前研究的热点,这类算法的关键是如何获取符合低秩稀疏假设的输入数据模型。当前这类算法通常是直接使用原始图像作为输入数据,但其一般不能满足假设条件,检测性能有待进一步提升。本文提出了一种适用于非均质背景红外弱小目标检测的最优红外块图像模型,该模型能有效保留原始数据并呈现出较强的低秩稀疏特性。此外,本文提出了一种自适应参数非精确增广拉格朗日乘子法用于RPCA凸优化问题的求解。该算法具有较好的鲁棒性,能显著提升算法的检测率,满足各类背景红外小目标的检测需求。