红外图像与遥感图像、雷达图像和可见光图像相比,具有安全可靠、分辨率较高和穿透能力强等特点。因此,红外成像技术被广泛应用于侦察、监视和导航等重要军事领域,并成为精确制导中的一项重要技术。除军事领域外,红外目标检测与跟踪技术在航空航天、智能交通和机器人视觉等众多科技领域也有着非常广泛的应用。当考虑到天气、气温、风向、风速和太阳辐射等自然气象条件、天空、地表和海面等背景条件以及红外目标自身成像面积仅为几个像素到几十个像素等因素构成的多重影响时,复杂背景下的红外小目标检测便成为了红外图像目标检测与识别的重难点问题、一时也成为了信号与信息处理技术的研究热点和难点,受到了诸多专家学者对这一领域的关注,并对其进行研究,相继提出了一系列富有成效、创新性和引导性的红外小目标检测算法。本文在前人研究基础上,分析了噪声产生的来源及其特点,从空间域和变换域的角度出发,综述了几种较为基础和典型的红外图像预处理算法,包括灰度变换、空域滤波、空域锐化、频域滤波和Gabor变换等,并逐一分析了这些基础算法的优缺点。同时重点研究了天空背景下的先检测后跟踪(DBT)算法,提出了两种有效的红外小目标检测算法：(1)提出了一种基于小波变换和改进Top-Hat滤波的红外小目标检测算法。该方法首先对红外图像进行单层小波分解,分别得到近似、水平、垂直和对角四个不同分量；接着,对近似分量进行改进Top-Hat滤波,同时将垂直和对角分量的小波系数置零。将滤波后的图像与原近似分量进行差分,得到差分图像,将其再与水平分量进行融合形成新的近似和水平分量后进行小波重构。最后,为了进一步凸显目标,采用了基于直方图的灰度变换方法对重构图像进行灰度增强,得到检测目标。对两个序列中的任意三幅红外图像进行仿真实验的结果表明,所提出的算法能够有效地滤除背景杂波和噪声,凸显了目标,具有良好的有效性和鲁棒性。(2)提出了一种基于小波变换和自适应阈值去噪的红外目标检测算法。该方法首先对红外图像进行两层小波分解,分别得到七个不同的子带,即LL2,HL2,LH2, HH2,HL1,LH1,HH1。接着,将低频分量LL2的小波系数置零,余下的六个子带利用活动水平估计分别计算其相应的阈值,并利用该阈值对六个子带分别进行自适应的软阂值降噪处理；然后,对降噪处理后的子带图像进行小波重构,并对重构图像进行阈值分割即可得到检测目标。对两个序列中的任意三幅红外图像进行仿真实验的结果表明了该算法不存在虚警点的干扰,有效地克服了云层和背景杂波的影响,具有很好的鲁棒性。