红外弱小目标检测一直是图像处理领域中的研究热点课题,也是红外探测系统的核心内容,随着科学技术的发展,红外弱小目标检测跟踪精度越来越高,并在工业、农业、交通、医学、航空航天等众多领域被广泛应用。红外弱小目标检测,是指对成像系统中距离目标相对位置较远,成像面积较小,通常仅为十几个甚至几个像素构成,不具备确定的形态,对比度低,同时不表现出自身幅度分布等特征,并容易受到背景及其他干扰的目标检测。近年来,国内外的研究学者提出了很多红外弱小目标检测算法,取得了较好的效果。本文在此基础上,分别从背景预测估计类算法与目标特征提取类算法着手,分析构建算法的原理与结构,利用红外图像的先验条件,建立新的模型来对背景进行有效的抑制,并提出了三种自适应多尺度红外弱小目标检测算法:1.提出了一种基于自适应双层 TDLMS（Two-dimensional Least Mean Square）滤波的红外目标检测算法。该方法首先利用了二维最小均方滤波器的结构特性,构架双层滤波结构,分别为背景滤除层与目标提取层,并对应引入背景模板与目标模板,能够有效的滤除背景杂波与噪声杂波的干扰,同时尽可能的保留目标信息。方法在实现的过程中提出了一种自适应步长,利用红外图像的统计参数自动调整步长的大小,迭代出适合二维最小均方滤波器的最优权重,再结合权重模板,有效的提高了红外小目标检测的效果。实验结果表明,该方法可以适应不同背景类型的红外目标检测,能有较好的鲁棒性与检测性能。2.提出了一种基于 LCME（Local Contrast Mechanism with Error）的多尺度红外目标检测算法。该方法首先设置了多尺度窗口以适应未知的目标尺寸,针对每个尺度的窗口,利用具有自适应参数的二维最小均方滤波器来初步抑制背景杂波。接着,定义了 一种新的有效的基于迭代误差调整策略的局部对比机制LCME,以获取不同尺度下的显著性图,其中,迭代误差可以自动调整,来区分目标与杂波,以及与目标大小亮度相似的干扰点,有效地改善了图像信噪比;优化了相关统计参数,既能保证其良好的抑制背景能力,增强了目标区域与背景区域的对比度,同时也能够准确地识别并突出目标特征信息。最后,利用一种简易的判决机制来获取真实的红外目标检测结果图。实验结果表明,该方法不仅在检测效率高,虚警率低等方面均优于相关的对比方法,在复杂背景下也具有令人满意的鲁棒性与适应能力。3.提出了一种基于感兴趣区域块的多尺度红外目标检测算法,在保证了目标检测性能的基础上,有效的优化了目标特征提取类算法的运行速度。该方法首先利用非下采样金字塔NSP（Non-subsampled Pyramid）进行分解变换,将红外图像中的高频信息分层提取,再融合,并在融合后的图像中划取一个感兴趣区域,减少目标检测中不必要的计算,降低复杂度。再结合改进的局部对比机制,有效地抑制背景,增强了目标区域与其周围背景区域的对比度,使目标更加突出。多尺度表现在不同尺度的滑动窗口。最后利用简易的判决机制来选取最优尺度的显著性图,提取出凸显的目标特征信息。实验结果表明,与其他同类算法相比,本章提出的算法目标检测性能更好,实时性更高,是一种较为优越的方法。