低对比度、低信噪比弱小目标探测技术是光电成像探测系统的关键技术之一。本论文旨在根据成像跟踪探测系统的要求,深入研究目标的成像特性,探索提高天光背景弱小目标探测与识别的技术途径,并应用到工程实践中。论文首先分析了天光背景下弱小目标图像的噪声特性、杂波在时域和空域的分布特点,然后在图像滤波、增强、分割和检测阶段分别开展了相应的算法研究。利用目标信号与噪声、杂波在空间形态和相关性上存在的差异,研究提出了基于改进灰度形态学带通滤波和连续三帧相关性滤波的噪声、杂波抑制方法。灰度形态学带通滤波能有效地保留某尺度范围内的目标信号,消除大量独立的高亮度噪声以及连通度高的低亮噪声,同时能抑制大面积杂波;而基于连续三帧相关性的滤波能进一步实现弱小目标能量累积和噪声抑制双重目的。试验表明改进后的算法具有较好噪声、杂波抑制性能。通过天光背景下弱小目标成像特性的分析,研究运用不完全Bata函数增强和分段线性增强来提高弱小目标的成像对比度。归一化不完全Bata函数的优势在于,当选择合理的参数α、β时,其变换曲线在需要拉升的灰度差值段附近非常陡峭,能够大幅度扩展灰度差值段的动态变化范围,从而捕捉到低对比度图像中目标和背景灰度等级的微弱临界差,基于工程考虑,提出了区域处理、列表待查等简化方式,提高了算法的实时性。在利用改进的分段线性变换进行图像增强时,采用最小误差法来求取全局最优阈值作为变换的分段点,也达到了较好的增强效果。研究分析了常规分割算法在低对比度弱小目标图像分割中存在的主要困难,提出了对预处理和图像采取两级分割的方法。在基于阈值的一级分割后,充分利用弱小目标与噪声、杂波在区域连通性上的差别,采用区域生长的办法改进传统的投影检测法,对图像进行二级分割,克服了传统方法中存在的较高虚警,有效提取了弱小目标。由于传统的DBT检测方法不能有效地积累图像中极弱小目标的能量,文中采用TBD检测方法中的动态规划理论,提出了基于方向约束、检测管道连续三帧相关性滤波和管道流水线处理的改进方法,成功实现了天光背景下弱小目标的检测。本论文针对天光背景弱小目标探测与识别技术中的难点,结合工程实际,提出了一些针对性较强的算法思路和方案,为提高目前光电探测系统的探测能力提供了一定的技术途径。