红外小目标检测是精确制导武器的关键技术之一。如何充分发挥红外小目标检测技术的优势,在红外探测成像方面具有重要意义。本文在介绍当前国内外小目标检测技术发展现状的基础上,研究了基于Contourlet变换和混沌粒子群的红外小目标检测方法,主要工作如下:1、提出了基于Contourlet变换和NSCT变换的红外小目标检测算法。该方法是在对图像进行Contourlet分解或NSCT分解后,提取其纹理特征,从而形成各点特征向量与中心向量间的多尺度距离像,最终实现红外小目标的检测。实验结果表明,该算法能较精确地检测出红外小目标,检测效果优于基于小波变换的检测方法。2、研究了基于Contourlet变换和形态学的红外小目标检测算法。该算法是采用Contourlet变换和形态Top-Hat滤波相结合的方法抑制红外图像的混合噪声及背景干扰,通过选择适当的结构元素进行系列形态组合运算,搜索局部极大值并确定阈值,从而分离出真正的目标。实验结果表明,该方法能有效检测和分割出低信噪比等复杂自然背景红外图像中的目标。3、给出了基于最小一乘和混沌粒子群的红外小目标检测算法。首先建立基于一乘准则的红外小目标自适应背景预测模型,然后应用混沌粒子群算法提取最优预测参数。实验结果表明该算法具有较高的检测概率,优于基于最小二乘的红外小目标检测算法。4、实现了基于最小二乘支持向量机和混沌粒子群的红外小目标检测算法。利用混沌粒子群优化最小二乘支持向量机,从而进行背景预测。文中给出了实验结果及分析,并与现有的空域和时域背景预测算法进行了比较,结果表明该算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。5、给出了基于独立分量分析和混沌粒子群的红外小目标检测算法。将包含复杂背景和运动小目标的图像序列视作混合信号,目标视作独立分量,应用混沌粒子群算法实现不同准则下的独立分量分析以检测出运动小目标。文中给出了实验结果与分析,并与快速独立分量分析的检测算法作了比较。结果表明,该算法具有更高的检测概率,优于基于快速独立分量分析的检测算法。