现代战争中,战场态势错综复杂,激烈的战场主动权争夺对作战系统的快速反应能力要求越来越高,红外预警系统必须具备尽早发现足够远距离的敌方目标的能力,防御系统才能有充足的反应时间;精确制导武器的导引头必须具备良好的目标捕获能力,精确打击任务才能得以实施。红外弱小目标检测作为红外预警与精确制导系统中的一项关键技术,也是光学与红外图像处理领域中的一个研究热点。但是,由于成像距离较远,导致目标的成像面积很小,缺乏形状纹理结构等细节信息,因此非常容易被噪声和复杂背景所淹没。当前情况下,如何实现复杂背景下红外弱小目标的稳健检测依旧是一个充满挑战的课题。鉴于人眼视觉系统具有对复杂场景的快速处理和分析能力,因此,我们可以通过对视觉注意过程的模拟,使计算机拥有更为强大的自动目标检测能力。本文以人眼视觉注意机制为切入点,对复杂背景下的红外弱小目标检测问题进行了深入的研究,取得的主要研究成果如下:(1)提出了一种基于自顶向下视觉注意机制的红外弱小目标检测方法。首先对针对红外弱小目标检测这一特定视觉任务下的人眼视觉注意过程进行分析,并使用稀疏与低秩理论对这一视觉注意过程进行建模。最后,使用加速近端梯度法对所建数学模型进行求解。实验结果表明,该方法优于经典的Top-Hat方法、Max-mean方法和Max-median方法,在不同噪声环境下的鲁棒性更好。(2)提出了一种基于自底向上视觉注意机制的红外弱小目标检测算法。由于自底向上的视觉注意过程主要取决于物体本身的显著性,因此本文对物体显著性的影响因素以及红外图像中弱小目标与背景和噪声的差异进行了深入的研究,并在此基础上对先前的基于局部对比度LCM(Local Contrast Method)的显著性度量方法进行改进,提出了一种新的显著性度量方法MLCM(Modified Local Contrast Method)。实验结果表明,该方法优于之前的LCM方法,可以有效去除红外图像中的高亮点噪声的影响,具有更好的鲁棒性。