红外小目标检测是红外搜索与跟踪系统、精确制导系统、自动目标识别(automatic target recognition, ATR)系统中的一项关键技术。ATR系统的主要任务是对静止和运动目标进行检测、成像和识别。该系统工作隐蔽性好,有效提供全天候作战能力,不发射电磁波,不易受电磁干扰,并能提供高分辨率的图像数据,有利于目标识别和反隐,还具有夜视能力和一定的薄雾穿透能力。由于红外图像对比度低,目标常被大量的杂波和红外成像器件本身的噪声干扰,且目标尺寸很小。自动目标实时探测系统所捕获的红外场景图像背景杂波干扰往往很强,目标极为弱小。目标缺乏几何形状和纹理等特征,可供检测系统利用的信息很少,小目标检测算法的实时性及精度将直接影响末端制导系统的有效性。所以低信噪比弱小目标检测问题是红外图像目标实时检测领域的难题之一。本文介绍课题研究背景内容,总结目前国内外研究现状,分析比较现阶段重要的小目标检测算法。详细分析了红外图像的背景、噪声和目标信号特性,针对目标探测系统中目标特征信息不确定性和背景复杂性带来的检测问题,提出了一种对复杂背景红外图像中的小目标进行自适应检测的方法。详细分析了红外场景图像的背景、光电探测器件噪声及杂波和目标信号特性。充分利用区域对比度信息,定义相互作用的双结构元素,利用形态学变化方法进行背景估计和滤除。根据视觉系统原理,构建机器视觉模式识别加权归一化模型,在没有先验信息的情况下自适应检测多种复杂环境下弱小目标。本文提供了大量小目标图像用于测试该小目标检测算法性能。应用matlab仿真结果显示算法性能有效。图像处理算法对复杂背景噪声有较好的抑制能力,对背景变化适应性较强,计算复杂性较低满足实时性要求,有效地抑制背景,突出目标图像,目标轮廓清晰完整,滤除一定噪声干扰提高信噪比。该图像处理技术适用于海上作业。也可在资源监测,小游艇及游泳者搜救等目标识别发挥重要作用。