为了提高红外图像弱小目标在复杂背景干扰下的检测精度,本文提出了基于多特征相似度差异决策与改进的Top-Hat变换的红外弱小目标检测算法。该算法通过经典的Top-Hat的单一结构元素进行分割,形成多尺度结构元素,并依据弱小目标与其周围背景之间的灰度差异,定义了灰度变化映射,通过计算其均值与方差,构建目标决策因子,并将其与多尺度结构元素嵌入到Top-Hat变换中,形成了新的Top-Hat变换;随后,联合灰度强度、对比度以及结构信息,建立多特征紧密度差异模型,提取包含真实弱小目标与可疑目标的候选区域;最后,基于弱小目标运动的连续性,引入管道滤波模式,将候选区域中的可疑目标剔除,保留真实弱小目标。实验数据表明:与当前红外弱小目标检测算法相比,在复杂背景干扰下,所提算法的检测精度更高,能够将弱小目标完整地检测出来,具有更好的ROC特性曲线。