红外小目标检测技术是图像处理领域的重要研究内容之一,广泛应用于红外预警和精确制导等领域。近年来,无人机技术的快速发展,使得作为反无人机技术核心的红外小目标检测技术急需实时跟进;军事战场场景复杂度较高,提升红外小目标检测技术在复杂背景下的检测能力迫在眉睫。即便红外小目标的特征已经被广泛地挖掘,但强背景杂波的抑制效果、低信杂比红外小目标的检测效果仍有待提升,而红外小目标更精细特征的挖掘也愈发困难。本文为探究复杂背景下的红外小目标检测方法以及低信杂比红外小目标的检测方法主要研究了以下内容:首先研究了红外图像特性和红外小目标特性。为了进一步区分红外小目标和复杂背景间更精细化的差异,挖掘红外小目标的特征,创新性地提出了Dot-Curve体系,将目标和背景的各项特征参数包含在内,分析了红外小目标和复杂背景在该体系下的特性。另外还分析了红外小目标的成像模型、图像噪声和非均匀性,为目标检测奠定了基础。然后针对复杂背景下红外小目标的检测,利用Dot-Curve体系对基于曲率的红外小目标检测算法在大量复杂背景下的检测结果进行集中分析,探究了造成虚警的原因,找出了复杂背景和红外小目标在Dot-Curve体系下的差异性特性,使用类目标指数来量化差异并对曲率检测结果进行修正,提出了曲率结合类目标指数的红外小目标检测算法,解决了在复杂背景下检测红外小目标的问题。在目标信杂比和背景抑制因子方面,相较于基于曲率的红外小目标检测算法分别平均提升了2.21倍和1.5倍,并在相同检测率下降低了虚警率;对检测后的结果利用基于多特征余弦相似度匹配的跟踪算法进一步剔除了虚假目标,保留了真实目标。接着针对低信杂比红外小目标的检测,根据低信杂比目标在Dot-Curve体系下的特性,对曲率结合类目标指数的红外小目标检测算法进行了优化,实现了对信杂比为5的小目标的检测。另外,用多尺度提取面目标的方法解决了面目标难以检测的问题;提出了基于目标检测的图像融合技术,在增强了目标信杂比的同时保护了融合图像的图像细节。最终将提出的复杂背景下红外小目标的检测算法和基于目标检测的图像融合算法在ZYNQ平台上进行硬件移植,在外场进行实验验证了系统的实用性。