随着数字图像处理技术和计算机的飞速发展,红外目标检测技术开始广泛应用于天文观测、跟踪、遥感、制导等诸多邻域。但由于红外弱小目标具有成像面积小、距离远、细节特征缺失、形状特征微弱、信噪比低等特点,因此红外弱小目标检测技术一直都是红外制导系统中的关键技术难题。由于红外弱小目标有着这样一些特点,因此,对于红外目标检测理论和方法的研究方向都集中在提高信噪比、检测算法的探测概率、运算效率、适用范围、可靠性等方面。对红外弱小目标检测方法的研究依然是一个很具有挑战性的课题。对此,本文对复杂背景下红外小目标检测的算法进行了系统的研究。主要研究内容如下：(1)给出了红外小目标的一些相关概念和红外图像的数学描述,在此基础上围绕红外弱小目标检测问题对红外图像中目标、背景和噪声三个要素进行了相应的分析。小目标在图像中的灰度不一定是整幅图像中最高的,但是在目标所在的局部背景中往往是较为突出的,也就是说小目标在局部背景中应具有一定的对比度,且几乎没有形状信息。(2)通过对红外弱小目标图像进行分析,提取了红外图像区域复杂度的定量描述,深入讨论了不同类别区域复杂度特征值的本质成因,分别分析讨论了图像的方差加权信息熵,梯度方向特征以及局部对比度特征。采用多特征融合的方法,将图像的方差加权信息熵特征,梯度方向特征以及局部对比度特征定义为图像的复杂度特征,进而实现了对红外弱小目标图像的有效特征提取和分割,完成目标检测。(3)由于单帧检测很难保证检测结果,对此本文提出的基于三维小波变换的序列图像检测算法。该算法首先采用多尺度三维小波分解,并滤去低频分量,除去细节信息,保留运动信息和边缘信息,其次运用图像形态学的方法剔除背景边缘的干扰而获得目标候选点,最后检测每帧候选目标点的灰度值,确定阈值排除虚警点并分割目标。实验结果表明,该方法能够很好的检测复杂背景的运动小目标。综上所述,本论文对红外图像目标检测相关技术进行了深入的研究,对提出的算法均利用实拍的红外图像进行了试验验证,试验结果表明本文提出的算法获得了很好的检测效果。