红外成像系统与可见光系统相比,其环境适应性优于可见光,尤其是在夜间和恶劣气候下的工作能力；与雷达系统相比,红外的波长较短,可得到具有很高分辨率的目标图像。因此,利用红外探测器捕获和跟踪目标自身辐射的能量来实现精确的制导技术在现代国防科技中发挥着越来越重要的作用。而成功的红外成像制导系统必须配有高效、准确的红外小目标检测装置,这对于及时发现并追踪可疑的目标具有重大的意义,正因为如此红外图像中的小目标检测技术一直是目标检测领域中的热点课题之一。红外小目标检测是指对由于成像系统距离目标的相对位置较远,成像面积仅为几个像素到十几个像素,在视场中表现为孤点或者斑点,并不能表现其自身形状、幅度分布等特征的小目标的检测。由于小目标自身的特点,它的检测与跟踪相对于面目标和大目标要困难的多,因此很多专家学者对其进行研究,并提出了一些具有引导性和创新性的红外小目标检测算法。本文在前人研究的基础之上,将现有的先检测后跟踪(DBT)算法又分为基于机器学习理论的方法和基于图像滤波技术的方法,并重点研究了后者,提出了三种有效的红外小目标检测算法：(1)利用背景占据红外图像的低频部分,目标和噪声占据红外图像的高频部分这一特点,提出了一种基于中值滤波与梯度锐化的红外小目标检测方法。该方法首先对原始图像进行中值滤波从而滤除部分噪声杂波,实现图像的平滑并得到背景分量,然后利用背景中的像素点灰度值与其周围像素点的灰度值相关性很强而弱小目标点上的灰度值与其周围像素点的灰度值相关性很弱这一特性,将中值滤波后的图像与原始图像做差分对消处理(背景差分),最后采用梯度法锐化对残差图像进行阈值限制进而检测出目标。仿真实验结果表明该方法不仅有效地滤除了背景杂波,更凸显了目标,达到了目标检测的目的。(2)将红外原始图像看做是一幅经过锐化处理后的退化图像,创新性的将图像复原技术的思想应用在图像平滑的滤波去噪过程中,即建立了一个反锐化滤波器(负的拉普拉斯滤波器)的退化模型,并根据此模型采用逆滤波(约束最小平方滤波)的方式进行复原滤波,从而减小噪声改善图像的信噪比、提高图像的对比度,最后采用第二章中所提出的背景抑制及目标增强技术来抑制背景杂波、检测红外小目标。仿真实验结果表明,所提出的方法不会出现丢失目标的现象,也不存在虚警点干扰,并能克服一定的云层干扰问题,鲁棒性较好。(3)提出了一种融合数学形态学方法和管道滤波技术的红外小目标检测算法。该方法首先采用数学形态学中的Tophat变换在单帧图像中通过目标像素的强度确定出一些候选目标点,然后利用序列图像中红外小目标运动的连续性和轨迹的一致性得到目标的预测位置,从而实现对红外小目标的检测及跟踪。仿真实验结果表明,在信噪比较高的情况下,该方法可以达到较好的检测和跟踪效果。