红外图像凭借其被动探测成像和全天候不间断工作的特性,在以科技对抗为主导的现代军事对抗中发挥着重要的作用。由于红外图像的广泛使用,一系列军事方面的红外图像目标检测问题成为科研人员们研究的热点之一。其中远方舰船、导弹、鱼雷等军事设备因为目标距离远、信号弱、小范围等固有属性,在红外成像系统中呈现出弱小目标的特性,该类目标的检测问题成为学者们在该领域长期关注的难题。高辐射的海杂波信号使得目标若隐若现,由于目标和背景的差异较小,该场景下弱小目标的检测难度大,误检率和虚警率高。因此亟需在目标检测算法上探索更具有创新性和鲁棒性的算法。为了能够提高检测系统可靠性、稳定性,实现红外弱小目标的精准检测,本文分析该类图像的成像原理和成像特点,在阅读和学习大量文献算法后,决定按照先单帧检测再多帧确认的整体思路对图像中的目标进行检测。文章主要内容分为以下几个部分。（1）对一些经典的单帧图像处理算法进行了研究,分析了不同特点的杂波噪声,并对各种噪声提出了具有针对性的经典单帧图像处理算法思路,分析了其背景抑制效果及目标检测效果。（2）在单帧图像处理中,提出了基于局部目标增强加权图、全局目标背景分离和局部目标确认及灰度还原相结合的单帧目标检测流程。通过局部信息和全局信息有机结合,提高了单帧目标的检测成功率。（1）局部目标增强加权图的构建是对图像进行目标增强预处理的过程,该加权图基于局部图像矩阵,利用Harris角点检测算法,通过矩阵特征值的物理含义,改进了局部角点增强权重因子的计算公式,通过滑窗的方式遍历全图,得到和原图同样大小的目标增强角点权重图,将两张图像一起作为下一步全局目标背景分离流程的输入。（2）全局目标背景分离算法以弱小目标图像处理领域常用的主成分分析算法（PCA）为基础,采用图像块张量代替传统的图像块矩阵,减少矩阵处理后图像出现分层的问题,通过目标和背景的稀疏性差异,将弱小目标看做稀疏张量,背景看做低秩张量建立算法模型,将复杂背景下的红外弱小目标检测转换成了一个基于背景低秩张量和目标稀疏张量的求解优化问题。然后通过对该优化问题进行紧凸放松,获得其易于求解的近似等价问题,使用改进的交替方向法进行迭代运算,将目标和背景分离,获得分离之后的图像。（3）局部目标确认算法和灰度还原算法用于去除剩余顽固噪声以及确认最终目标。该算法主要包含两部分,确认算法部分采用改进的双重Top-hat算法对目标形态进行筛选,剔除掉形态不符合的虚假信号。灰度还原算法部分是为了保证弱小目标的灰度值和形状不被破坏,采用目标位置图像作为判决图,采用全局分离得到的目标图像作为灰度图,通过图像间取交集的方式对目标进行判决并将其灰度还原成目标图像初始灰度。在剔除非目标干扰的同时保证目标灰度不失真,确定最终的单帧目标检测结果。（3）多帧确认算法方面,本文在经典管道滤波算法的基础上提出了精准管道滤波算法,该算法是对经典管道滤波算法的一个全方位改进算法。在输入目标变量,管道全局变量,管道长度,二次搜索算法等多方面进行了创新。用目标总灰度代替目标中心灰度,用灰度加权求出的小数坐标代替最亮点整数坐标,用不对称管道代替对称管道,使得整个流程中管道对目标的跟踪更加精准。此外本文还提出了带反馈的检测算法流程,使用精准多帧管道滤波算法中的已开启管道数和当前帧目标数作对比,对单帧检测算法中最终目标确认阈值进行反馈调整。本文以舰船红外探测系统拍摄的红外图像或人工模拟海洋实拍红外图像做为试验场景,将本文提出的算法与相关其他算法进行比较。实验结果表明,本文算法在单帧检测准确度方面和多帧确认准确度方面均获得了更好的实验结果。