目标检测自上世纪以来一直是图像处理领域的重要技术之一,其在军事目标打击、智能视频监控、空天红外预警等方面均有广泛应用。在这些应用中,当感兴趣区域以小目标的形式存在时,其占据图像面积较小、纹理缺失、边缘模糊,能够提取的特征较少。同时由于应用场景的不同和环境的复杂程度不同,小目标通常会呈现出不同的特征。因此,复杂背景下的小目标检测成为了相关人员分析的热点方向和研究难题。目前针对小目标的研究往往需要特定场景特定处理,才能够达到较好的检测效果。想要在保证检测效果的同时达到实时要求更是难上加难。本文正是在这样一个背景下,从实际场景出发考虑了一种在时域上具有周期变化特征的小目标检测问题,研究了针对这一特定微小目标的实时检测系统的设计与实现。为了能够兼顾检测系统的准确率和实时性,本文将小目标检测过程拆分为子块级目标粗定位和像素级目标细定位两个环节。首先通过粗定位环节快速搜索出目标可能存在的大致区域,然后再利用细定位环节准确地检测出真实目标位置。本文在粗定位环节,基于实现简单但检测效果较差的帧间差分法,提出了子块级特征差分方法;在细定位环节,基于检测准确率较高但实现复杂的局部对比度方法(LCM),提出了快速多尺度局部对比度方法(FM-LCM)。本文的主要工作和创新包含如下三点:在子块级目标粗定位环节,本文在帧间差分的基础上,结合特定小目标的时域特性,提出了子块级特征差分方法。该方法需要对待检测图像进行子块划分并提取特征,在此基础上利用特征差分筛选出可疑目标区块。一方面以图像子块代替像素点进行差分,可以降低算法对背景边缘和噪声的敏感度,同时也将小目标的亮度特征从像素级转换到了子块级;另一方面通过子块划分可以筛选出若干形状规则的可疑目标区块,方便作为后续检测环节的输入。在像素级目标细定位环节,本文分析了LCM小目标检测方法存在的优缺点,提出了FM-LCM方法,用于进一步排除掉噪声干扰,达到准确检测小目标的目的。本文提出的FM-LCM方法,优化了LCM的滤波窗口结构,改进了输出响应处理方式,解决了LCM不能适应多尺度目标检测的问题,在保证检测准确率的同时降低了计算复杂度。最后本文构建了特定微小目标实时检测系统的算法框架与整体流程,并且完成了在硬件上的代码移植与优化工作,进行了软硬件联调以验证系统的实时性。