随着世界各国军事实力的提升和作战环境的复杂化,红外探测系统被广泛地应用在精确制导、航空航天等军事和民用领域中。由于需要尽可能提高检测距离,提早发现运动目标,原始图像中目标辐射能量往往非常弱,并且呈点状,缺乏纹理信息。同时,复杂地面背景的干扰使得目标极易被淹没。基于这些客观因素,复杂地背景下的红外弱小目标的检测和识别是当前研究的热点和难点问题。论文针对复杂地背景弱小目标、背景、噪声的特性分析,建立了复杂地背景弱小目标的稳定不变特征知识库,在此基础上,论文从前端图像采集策略、后端图像处理算法两个角度制定了有针对性的策略,有效抑制了强噪声地背景的虚警干扰,实现了复杂地背景弱小目标的稳定检测、识别及跟踪。论文的主要工作及贡献体现在:1.针对复杂地背景的特殊应用场景,研究了国内外文献提出的弱小目标检测方法,基于地背景的特性提出了相应的弱小目标检测方案的整体架构。2.研究了红外弱小目标的特性,此外还深入探索了红外原始图像中背景和噪声的特性,并提出了有效的区分方法。通过对特性的总结,论文建立了完备且稳定的目标特征知识库,解决了地背景造成的虚警过多和轨迹关联不稳定的问题。3.基于对人类视觉特性的研究,提出了一种混合滤波方法和基于复杂度的自适应分割算法,解决了复杂地背景下目标过于微弱,探测率低的问题,实现了针对不同复杂度背景的自适应目标检测。4.在对序列图像的时域特性的研究的基础上,使用了一种新的图像采集策略,既扩大了能够预警的视场,又突出了目标的运动特性。同时根据时域中目标表现出的特征连续性,提出了帧间、场间的虚警滤除机制,以及基于目标特征知识库的管道滤波算法,解决了复杂背景下虚警过多造成干扰的问题。论文针对大量实际挂飞采集和仿真的数据集做了各个方面的算法对比试验,试验结果证明了策略的正确性,有效解决了复杂地背景下的强噪声干扰导致的虚警和漏检问题,实现了针对地背景弱小目标探测的图像采集机制和检测机制的创新。