红外成像凭借较强的穿透能力及探测能力,在遥感探测、航空航天、安防监视等领域得到了广泛的应用。在遥感卫星等远距离探测应用场景下,由于探测距离较远,目标在像平面多呈现点状或斑状形态,可用信息量严重匮乏,同时受到复杂背景杂波以及成像系统噪声的影响,给目标的检测带来了巨大的挑战。本文主要针对天基红外图像小目标检测问题,研究了不同红外成像体制下的成像模型与成像特性,并提出了面向单采样图像与过采样图像的红外小目标检测算法。论文的主要研究内容如下:第二章研究了不同探测体制下的红外传感器成像模型与成像特性。不同探测体制下,目标与背景的红外成像特性差异较大,对后续目标检测有着重要的影响,因此本章主要针对传统单采样与TDI(Time Delay Integration)过采样两种探测体制进行了分析,分别建立了二者的红外传感器成像模型,并基于建立的成像模型,对两种探测体制下目标与背景的红外成像特性进行了仿真分析。第三章研究了基于目标相似性测度的多标记马尔可夫随机场(Markov Random Field,MRF)目标检测算法。双标记MRF目标检测算法将目标检测视为一个0/1二值标记问题,导致图像标记过程中winner-take-all的判别方式容易导致错误的累积,进而影响最终的目标检测性能。针对这一问题,本章将目标相似性测度引入图像标记过程,建立了多标记MRF模型,并利用图像多标记结果构造了自适应滤波器,实现了基于目标相似性测度的多标记MRF目标检测,有效增强了算法对复杂背景的适应能力,抑制了虚警现象的产生,提升了目标检测性能。第四章研究了基于超分辨策略的过采样图像目标检测算法。过采样探测采用了“品”字型双线列TDI成像机制,实现了图像的时空过采样,为目标检测带来了增量信息。针对过采样的增量信息优势,已有方法多从过采样成像特性入手,利用过采样带来的混叠特性提高目标检测性能,但由于图像混叠现象影响了图像信息的准确性,过采样体制带来的增量信息并未得到有效的利用。针对这一问题,本章提出了一种基于超分辨策略的目标检测算法,利用超分辨策略实现了过采样图像的去混叠与分辨率提升,同时利用第三章中的多标记MRF实现了超分辨过程中的自适应正则化,在图像分辨率增强的过程中,目标能量得到保留与汇聚,有效提高了目标信噪比与目标检测性能。