多源运动目标检测技术在安保监视、应急搜救、低空避险等应用领域中具有十分重要的地位。在安保监视领域,伴随着无人机应用日益广泛,针对无人机的监管却滞后于应用发展的脚步。无人机属于典型的“低、小、慢”运动目标,多源传感器上视获取无人机数据,对数据处理获得目标的可靠检测与跟踪尚不成熟。在应急搜救领域,安置于低空运动平台的多源传感器下视获取含有微弱运动目标及强地物背景的数据,从强的地物背景中有效提取出微弱的运动目标是极其困难的。因此,开展多源协同运动目标检测的研究是十分必要的,其关键技术的突破对我国提升“低、小、慢”运动目标的安保监视能力和复杂地物背景下全天时全天候搜救能力具有十分重要的意义。面向上视“低、小、慢”无人机监视的需求,针对传统检测方法计算复杂度高、实时性差、检测不可靠等缺陷,利用目标稀疏与背景低秩的特点,通过矩阵分解和降维处理实现动静的有效分离。分别利用DECOLOR算法、RPCA算法、Godec分解算法、MAMR算法对录取的红外数据流和光学数据流进行了实测数据处理验证。实测数据结果表明利用DECOLOR算法检测,较大目标和较小目标都能比较完整的检测出来,慢速目标检测效果欠佳,检测时间较长。传统的RPCA算法所用的时间最短,但是对于较小的目标只能看到检测小块点集,而难以完整的看出运动目标的形状。对于较大目标的检测,存在空洞、轮廓缺失现象。Godec检测效果较RPCA略好,但也同样存在传统RPCA检测结果的不足。MAMR算法对于目标轮廓缺失和空洞现象有所改善,但是对于较小目标,同样难以完整的看出运动目标的形状。针对视频合成孔径雷达(VideoSAR)下视工作时运动目标速度快导致的信噪比(SNR)低以及帧间时空配准精度不高造成地物背景消除性能下降的难题,开展了对运动目标阴影检测的研究。快速运动目标在成像中由于散焦直接检测极其困难,目标的阴影可作为检测的重要手段。传统静止阴影检测模型直接应用于VideoSAR运动目标检测,存在虚警目标多、难以排除静止阴影困难的问题,利用运动目标帧间的时空关联特性,提出了一种基于时空关联的VideoSAR运动目标检测方法。首先,采用基本的静止阴影检测模型对VideoSAR的单帧图像进行阴影检测并获得初步的阴影目标(包含运动的阴影如动目标,静止的阴影如树木、低洼等),为了提高检测效率,降低了检测门限,得到了带有大量虚警目标的阴影集;然后,为降低虚警,采用时空关联方法对静止模型检测得到的阴影集进行检测前跟踪。在时空关联检测新方法中,首先利用杂波阴影比来估计目标的运动参数;接着,利用已获得的目标运动参数对其阴影进行卡尔曼滤波,进而筛选出符合运动航迹的阴影即为大概率运动目标集;最后,通过滑窗的形式判断检测分组内初始帧和末尾帧之间的质心距离,若质心距离小于门限值,则认为该阴影为静止阴影,否则判断其为运动目标阴影,即实现了从大概率运动目标集中的静止阴影剔除。所提方法提升了VideoSAR运动目标检测的可靠性。通过对Sandia实验室的VideoSAR实测数据处理,验证了所提动目标检测方法的有效性。