红外弱小目标检测一直是军事领域需要研究的热点问题,这关系着我国的国防军事力量。同时,在医疗、工业及交通等领域,红外弱小目标检测也有广泛的应用价值。然而高空中弱小目标由于其能量弱,成像面积小,导致这一问题成为检测领域的难点和热点。本文首先通过对图像中的小目标、背景和噪声三种主要成分进行特征分析,从时域、空域和时空域三个方面对小目标和背景建立模型,并且分析了图像中的几种常见噪声。在此基础上介绍了几种常见的典型图像预处理算法,目的是抑制噪声,提高图像的信噪比。实验仿真结果表明这几种算法都能满足要求,但是噪声点很多。为了解决该问题,本文提出了一种混合滤波,该滤波器主要是基于各基础滤波器不会犯相同错误的原理而构造的,实验结果显示该滤波器要优于其他传统滤波器。针对目标能量弱,尺寸小,不易检测的问题,本文提出了一种基于时空域的能量累积方法。图像经过能量累积后,信噪比得到了提升。传统的单帧检测一般虚警较多,因而本文提出了一种基于序列图像的运动目标检测方法。由于目标在时域上具有一定的运动性,从而投影到二维平面上会存在一条连续的轨迹。为了防止投影过程中,由于目标移动速度过快,造成轨迹图断裂,先将图像进行适当膨胀再投影,接着根据轨迹的检测来获取目标的位置。最后再根据死点噪声的不动性,增加跳变计数器来进一步去除虚警。本文从模式识别的角度介绍了经典分类算——AdaBoost,然后将目标检测看成二分类问题,提出了一种改进的树桩分类算法。其思想主要是训练树桩弱分类器时,不对每一维特征进行训练,而是通过一种回归的手段将特征进行组合直接训练弱分类器。将改进算法与AdaBoost的几种变形算法进行对比实验,发现该分类器效果较好,而且计算速度更快。