红外成像具有探测距离远、隐蔽性强、全天候工作等优势,广泛应用于空间目标探测等领域。弱小目标检测是红外制导的关键技术,也是实现目标跟踪的先决条件,具有重要的研究意义。典型场景通常存在强背景噪声及起伏云层干扰,且目标自身像素较少,导致传统检测算法在准确率和鲁棒性方面都不够理想。本文围绕目标亮度昏暗、背景复杂高亮、存在像素级噪声干扰等实际问题,结合局部对比度、图像熵等展开研究,致力于弥补现有算法处理低信杂比图像的若干缺陷。主要工作归纳如下:1.针对现有红外弱小目标检测算法在处理低信杂比图像时普遍存在的检测率低、鲁棒性差、适用性不足及算法复杂度高的缺陷,借鉴人类视觉机制,提出一种基于多尺度局部方向对比度的红外弱小目标检测算法。该算法充分考虑了目标与背景区域之间的灰度差异,利用视觉对比机制提升低信杂比图像中红外弱小目标的视觉显著性。首先,设计新定义的局部对比度算子以增强原始图像的对比度;然后,应用多尺度方法优化图像的显著区域,使其适用于不同尺寸的目标检测问题,以增强算法的适用性;最后,利用自适应阈值分割方法获取待检目标。所提算法采用增强目标区域的视觉显著性的策略,对于背景杂波、像素级噪声的干扰也具有较强的鲁棒性,且无需进行图像预处理环节,具有算法简单、实时性强、易于工程实现的优势。实验结果表明所提算法可实现对不同尺寸弱小目标的有效检测。与现有算法相比,目标的检测率得到显著提升。2.针对局部对比度算法在大尺度下出现目标块效应导致检测算法出现偏差的问题,提出了基于熵加权局部区域对比度的红外弱小目标检测算法。该算法通过设计遍历模板,结合图像熵对于像素突变表现的差异特性,在提高目标视觉显著性的同时有效抑制目标块效应的产生。首先,利用新定义的局部区域对比度实现对目标的增强和对背景的抑制,以提高目标区域的视觉显著性并有效抑制块效应;然后,采用局部熵算子抑制复杂边缘对检测的干扰;最后,应用自适应阈值分割方法获取待检目标。所提算法能够有效增强弱小目标,无需图像预处理环节即可实现弱小目标检测,具有算法简单,易于实现等优势。与现有算法相比,算法的检测率和鲁棒性都有较大的提升。