复杂背景下红外小目标的检测和跟踪是红外成像制导和红外预警系统中的关键技术难题,它分别针对远距离点目标和近距离面目标进行检测、跟踪。大量的低空背景景物以及点目标的特点——远距离、低信噪比、强杂波等,增加了检测和跟踪的难度。为此本文针对红外小目标检测的每个环节进行分析,着重研究基于小波变换的弱小目标检测新方法。本文首先分析了红外图像中噪声的产生来源,确定噪声模型,并在此基础上建立红外小目标图像的数学模型。并讨论了典型的图像预处理技术。图像预处理可以提高信噪比,抑制背景。对常用的几种预处理算法,如高通滤波、中值滤波、数学形态学的tophat滤波、维纳滤波等进行了对比,分别分析了其优点和不足。其次,将小波变换引入图像处理。小波变换具有良好的时频局部化特性,可以在保护信号局部特征和抑止噪声之间达到较好的平衡,这是前面几种预处理算法无法比拟的优点。本文从基本原理入手分析小波变换在图像预处理中的应用,着重讨论实际应用中所需注意的若干问题。并针对小波阈值去噪法的不足,提出了一种改进的基于小波变换的去噪方法,避免因噪声估计误差带来的的阈值不合理性,仿真结果表明,该算法在抑止背景同时很好地保护小目标特征,具有良好的去噪效果。最后,本文研究了红外小目标检测定位的问题。首先介绍了常用的两类方法:阈值分割法和边缘检测法,并分析其在小目标检测应用中的不足。接着重点讨论了小波变换在弱小目标检测定位方面的应用。信号的小波变换在各尺度间有较强的相关性,在边缘处有很大的相关性,边缘点在各尺度都有很好的局部化,而噪声的小波变换在各尺度间没有明显的相关性,且主要集中在几个小的尺度上。本文根据此特性采用尺度间小波能量交叉法,并构造多尺度高斯小波算子进行边缘检测,最后采用自适应阈值分割进行目标确定并计算目标形心位置,仿真结果表明,检测后候选小目标定位明确,极易提取形心,检测算法达到了良好的单帧检测效果。