运动弱小目标检测是目标检测与跟踪领域中的一项热门课题。弱小目标成像面积小,信噪比低,容易被背景和噪声所淹没,给检测带来了困难。本文针对以下两类小目标进行了检测算法的研究:无轮廓特征的弱小目标以及具有轮廓特征的小目标。对于无轮廓与纹理特征的弱小目标,本文在分析典型的背景抑制算法及其优缺点的基础上,提出了中值滤波和形态学滤波相结合的多级滤波思想,达到了在不同背景下良好的单帧抑制效果,滤波增益有较大提高。随后,本文对自适应均值方差法进行了研究与改进,利用图像的邻域信杂比均值建立了加权系数的选取规则。实验证明,该方法能够自适应地计算阈值,有效提取候选目标。在基于多帧序列的目标检测阶段,本文采用了基于邻域判决的管道滤波思想,提出了多帧目标确认和波门跟踪相结合的检测算法。在目标确认过程中增加了静止候选点约束和噪声候选点约束条件,增强了抗干扰性。然后,采用波门缩小搜索区域,根据目标特性自适应地更新波门,并依据记忆信息对丢失的目标进行预测,从而提高了目标的检测速度和可靠性,克服了目标短时丢失的影响。对于轮廓明显、纹理细节信息较少的小目标,本文在不变矩的基础上,利用目标的低频信息构建组合矩。该组合矩不仅减少了信息的冗余和计算量,还削弱了噪声对不变性的影响。为了提高匹配速度,提出了小波变换与模板匹配相结合的匹配算法,具有精度和速度两方面的优势。