随着红外技术的快速发展,复杂背景下的红外弱小目标检测技术已广泛应用于军事和民用领域。红外弱小目标检测技术具有可全天候工作、作用距离远、隐蔽性强、抗干扰能力强等优点,但同时具有目标成像面积小、亮度较弱、对比度较低、边缘模糊、无纹理特征等缺点,因此红外弱小目标检测一直为图像处理领域的难点和热点。针对上述问题,本论文通过对国内外红外弱小目标检测算法的研究调研以及对红外图像的特性进行分析,提出了融合多特征的多方向环形梯度的红外弱小目标检测算法。本论文的主要工作包括以下几方面:首先,本论文介绍了红外弱小目标的图像特性,重点分析了红外图像的三要素——目标、背景以及噪声,目标通常为高斯分布,其灰度值为周围邻域的极大值,在图像中表现为孤立的亮点或亮斑,背景通常为大面积连续分布,其辐射强度为渐变状态,噪声在红外图像出现的位置是随机的,没有稳定的运动状态。同时对常见的红外图像增强算法进行了探讨,对近年来出现的几种红外弱小目标检测算法进行了简单介绍,以及对两种经典的红外弱小目标检测算法进行了仿真分析。其次,针对红外弱小目标的图像,分析了目标和背景之间的梯度差异,目标为邻域的极大值,具有各向同性,八个方向梯度均快速下降,而背景仅在一个或几个方向上具有梯度下降特性,不具有各向同性。通过对基于多方向梯度和多方向环形梯度的目标检测算法的研究,提出对多方向梯度算法仿照FAST特征进行优化,以及针对多方向环形梯度法以目标与背景的梯度差异为基础,提出了一种融合多特征的多方向环形梯度法的红外弱小目标检测算法。该算法在多方向环形梯度法的基础上融合了加权局部熵、局部方差以及局部能量比等特征进行单帧检测,有效的降低了误检率,提升了算法性能。第三,由于单帧检测算法处理后得到的目标含有虚假目标,我们利用真实目标具有连续的运动轨迹以及稳定的特征,在相邻几帧之间进行匹配,确定真目标,降低虚警率,提升了算法性能。首先对目标区域提取相关特征,如大小、质心、灰度、似圆度、圆形性、紧凑度以及ORB等特征,然后探讨了相似度度量算法,最后提出了一种改进的邻域判决法用来在多帧之间筛选目标,找出真目标。最后,选取包含红外弱小目标的红外视频对本文的算法进行仿真,并将结果与其他算法进行比较,得出本文算法有更高的检测率和更低的误检率。