红外探测因全天候、作用距离远和抗干扰性好等优点有广泛的应用。随着科学技术的不断发展,目标类型复杂多样给红外探测系统提出了更高的要求,实现对目标地连续探测具有重要的应用价值。如何实现更早更快地发现并跟踪目标是红外探测信息处理领域迫切需要解决的重点和难点问题。本文围绕天基平台远距离探测红外弱小目标的红外信息处理技术需求,研究了红外弱小目标及其背景的特性,对目标检测与相关技术进行了深入地分析和研究,取得了一定的研究进展和成果。下面介绍论文的研究工作和主要研究成果:在红外弱小目标的图像特性方面,研究了弱小目标的红外辐射特性及红外成像特征,分析了目标的时域变化特性,讨论了目标运动过程中大气、深空背景下的红外图像特性,结合图像的噪声特性,总结了红外弱小目标的检测难点。在复杂背景下的红外图像预处理方面,研究了复杂背景中云背景图像的复杂特点及预处理算法,针对传统的PM模型滤波方法的局限性,本文提出了一种基于Top-hat变换和改进的PM模型滤波相结合的背景抑制算法。仿真实验结果表明本文提出的方法与原有的PM模型滤波相比,算法信噪比提高了2倍,背景抑制能力提升了2³倍;在目标检测方面,同等虚警概率下本文的算法检测概率与原有PM模型滤波算法相比提高了40%。也围绕复杂背景中的深空背景图像的特点及红外弱小目标预处理算法开展了初步研究,并进行了仿真验证。在单帧图像的目标检测方面,基于图像检测的基本理论重点分析了五种经典图像分割方法,详细比较了不同算法的应用场景,结合本课题研究对象的特点,选取了恒虚警率的图像分割方法。针对复杂背景下的红外弱小目标检测困难的问题,提出了一种背景自适应的多特征融合检测方法,根据不同背景下的序列图像进行背景自适应判断,选取不同的预处理方法,然后利用目标的梯度特征、局部熵和方向比率等特征进行融合,提高红外弱小目标检测性能。仿真实验表明,本文提出的检测算法可以有效减少单帧虚警的个数,明显提高系统的检测效率。在序列图像的检测方面,本文详细分析了经典的先检测后跟踪方法和先跟踪后检测方法,比较了两类算法的优缺点。针对传统管道滤波难以消除固定背景尖锐噪声而造成虚警较高的局限性,提出了一种动态管道滤波方法,充分利用目标在时间维上的运动连续性和灰度一致性的特点,对帧间疑似目标进行连续匹配,并对管道进行动态更新,及时删除虚假的背景噪声,能有效提升检测概率和降低虚警概率。针对10个目标的序列仿真和实测图像结果表明:云背景序列图像中,在信噪比为2的条件下原有的管道滤波算法检测概率为80.5%,虚警概率为2.5806×10^-6,本文的算法检测概率则提高到96%,虚警概率降为4.9032×10^-7。同时,本文的算法处理时间仅为原来的管道滤波的50%,显著提高了算法的效率。在目标跟踪方面,本文研究了基于滤波和数据关联与基于目标建模和定位等跟踪算法的特点和适应场景,采用概率数据关联与卡尔曼滤波相结合的算法实现对红外弱小目标的跟踪。利用卡尔曼滤波器对目标运动位置进行预测,在以预测点为中心的跟踪门内进行可疑目标提取,利用概率数据关联实现对目标的精确定位,实时更新卡尔曼滤波器参数,并预测下一步目标出现的位置,实现目标的有效跟踪,仿真和实验结果表明该算法红外弱小目标的定位精度整体误差在2³个像素,有明显的提高。最后,本课题设计了仿真验证系统和红外探测实验平台,从检测概率、虚警概率和处理速度等方面进行验证与数据比对,利用仿真和实测图像数据验证了本文提出的处理算法的有效性和处理框架的合理性,算法具备移植硬件可能性。