随着精确制导技术与卫星技术的飞速发展,空间防御能力成为各个航天国家日益关注的课题。其中,红外图像目标检测占有相当重要的地位,是卫星遥测、防空预警以及深空制导等领域的核心技术,并朝着快速反应和远程预警的方向迅猛发展。因此红外图像目标检测的研究具有较大实践意义。但由于红外传感器受到大气热辐射、作用距离远、探测器自身噪声等因素影响，所探测目标在红外图像上多呈现对比度低，无具体形态和纹理信息的点状小圆斑，且极易淹没于杂波和噪声中，这对红外小目标的检测技术提出巨大挑战。近年来，稀疏表示理论伴随着压缩传感的兴起越来越受到关注。其核心思想是采用冗余的超完备字典来实现对信号的表示，此方法突破了传统傅氏变换、小波变换等对基函数构造的限制。字典中的原子个数总大于自身维数，稀疏表示算法就是要最优表示信号，即使用最少的基原子。该理论已经在信号处理领域较广泛应用且已取得不少较好成果，具有巨大的发展潜能。本文在此背景下，通过对红外小目标图像常用的预处理和目标检测算法进行分析，总结并比较了两种常用的红外图像预处理方法，并在此基础上提出了基于图像稀疏表示的红外小目标向量投影检测算法，该算法首先对预处理滤波后的图像进行显著域检测，找到可能存在目标的感兴趣区域，并对应原图将其提取，大小为8*8；其次，采用图像稀疏表示理论中的高斯灰度模型生成超完备字典。随后，将生成字典的原子列向量归一化，并将同样列向量归一化的感兴趣区域与之做向量投影，由于含有目标的感兴趣区域与只含有背景和干扰的感兴趣区域在原子上的投影存在显著差异，可通过简单的阈值操作可进一步排除干扰。通过定义目标增强与背景抑制因子，对原始图像中的非感兴趣区域和向量投影排除掉的图像做抑制背景处理，剩余的做增强处理，得到最终归一化的灰度分布图，最终达到检测出小目标的目的。实验证明该算法相比于现有其他算法能够明显提高信杂比增益(Signal-to-clutter ratio gain，SCRG)和背景抑制算子(Background suppression factor，BSF)以及小目标检测率，具有较好的检测性能。