在现代的高科技战争中,预警系统及武器系统能否更早地、在更远的距离上发现并跟踪敌方来袭的导弹、飞机、军舰等目标,对取得战争的主动性有着重要的意义。红外弱小目标检测技术目前已成为遥感系统、搜索跟踪、预警系统等军事领域内的关键技术。由于红外弱小目标图像的对比度和分辨率比较低,很不利于目标的检测与跟踪。因此,研究不同背景条件下的红外弱小目标检测方法具有十分重要的理论和现实意义。基于稀疏表示和形态差异性的形态分量分析理论能够准确高效地表示图像信号,目前广泛应用于图像去噪、图像修复和图像分离等领域。论文通过对形态分量分析理论进行深入系统的研究,用于红外弱小目标检测,得到了一种性能较好的检测方法。本文的研究内容主要包括以下几个方面:(1)对红外图像预处理算法中的线性变换增强、直方图均衡增强、邻域平均去噪、中值滤波去噪、维纳滤波去噪等算法进行了仿真和分析。(2)针对红外弱小目标检测方法,对其中三种基于滤波的红外弱小目标检测算法进行了实验测试和分析,同时研究了四种常用的红外弱小目标检测算法的评价指标。(3)基于稀疏表示理论,提出了一种改进的目标检测算法。首先构建红外目标字典;再将待检测图像分块,在超完备字典下稀疏分解;最后引入稀疏集中度指标简化目标的判定步骤,对指标设定阈值判断图像块是否包含目标。通过实验对比分析得出该算法在减小了计算量的同时保证了算法的检测效果。(4)基于形态分量分析理论,提出了一种改进的自适应字典构造方法,用于红外弱小目标的检测。首先将原图像利用字典学习算法训练出超完备字典,将其在修正高斯模型字典下分解,筛选出目标字典;再将待检测图像分块,在目标字典下稀疏分解;最后利用稀疏表示系数和目标字典重构原图像块,引入映射函数重构原图像与重构图像的残差,对残差设定阈值判断图像块是否包含目标。通过对修正高斯字典进行改进,得到自适应形态分量目标字典,经仿真测试和分析证明了形态分量字典的检测性能明显优于修正高斯字典的检测性能。