红外目标检测能够提供目标的形状和位置信息，是红外制导系统的关键技术之一。如何提高低信噪比下弱小目标的检测概率以及如何得到连续清晰的面目标边缘是当前具有实际意义和挑战性的两大研究课题。　　 经验模态分解(Empirical Mode Decomposition，EMD)方法是一种全新的、完全数据驱动的、多尺度的处理非线性非平稳信号的工具。EMD在一维信号处理上具有比较成熟和广泛的应用，但将其拓展到二维，EMD方法及其应用仍存在许多问题有待解决。　　 本文针对EMD及其在红外目标检测中的应用进行了研究。首先在研究EMD理论的基础上，提出一种基于核回归插值的BEMD算法，通过构造非参数核回归矩阵对已搜索到的散乱极值点进行插值得到拟合曲面。实验结果表明，改进算法可明显降低算法复杂度、避免边界效应、提高分解质量，使得到的本征模态函数更有意义。其次，提出一种基于EMD的背景抑制和移动加权管道滤波相结合的复杂云天背景下红外弱小目标检测算法。通过EMD算法提取趋势项作为背景预测图像，原图像减去预测图像得到背景抑制后图像，再利用移动加权管道滤波方法进行后续验证，确定目标轨迹。实验结果表明，该检测算法可充分利用目标的空间与时间动态变化信息，有效进行信号能量积累，实现低信噪比下弱小目标的检测。最后，提出一种基于EMD和二维谱特征的红外边缘检测算法。通过EMD得到图像第一层本征模态函数，并使用四元数解析得到其谱特征，设置合适阈值得到边缘检测图像。实验分析表明，这种算法得到的红外图像边缘更清晰、连续，从理论上讲，更符合图像本质特性。