在军事上,发现并跟踪目标是空间抗衡作战的一项核心任务,而红外小目标检测技术则直接影响作战系统发现并跟踪目标的能力,所以,红外小目标检测问题一直是军事领域的研究重点之一。本文以复杂背景下的红外点源目标为对象,以红外点源目标的特性和相关向量回归(Relevance Vector Regression,RVR)的相关理论知识为基点,提出了一种基于RVR的红外点源目标检测算法。首先,介绍了红外点源小目标检测技术的发展情况,分析并总结了国内外的研究近况,探讨了红外点源小目标检测的关键性技术和面临的技术难点。其次,概述了红外点源小目标的主要特性,分析并总结了常用的几种针对单帧红外小目标图像的检测算法及其各自的优势和劣势。再次,研究了包括RVR模型训练、模型预测在内的有关理论知识,对比总结了RVR相对于支持向量回归(Support Vector Regression,SVR)的优势;结合红外点源目标的灰度特性,提出了一种适用于自然背景下红外点源目标检测的新算法。利用RVR方法对被检测图像进行回归处理,得到相对较平滑的输出图像,将非线性核相关系数法作为目标检测过程的后处理方法,结合回归前后的差图像,得到初步的检测结果;为了更精准检测并定位红外点源小目标,又采用图像二值分割以及像素邻域局部求和的方法做最后的优化,得到最终的检测结果。最后,通过MATLAB软件平台,验证了所提出的基于RVR的红外图像中点源目标的检测算法,检测结果证明了该检测算法的有效性,能够很好的滤除干扰、抑制背景、突出目标;此外,本文还将所提出的目标检测算法与常用的Top-hat变换方法、SVR法进行对比实验。对比实验的结果显示,基于RVR的红外点源目标检测算法得到的最终图像,其信噪比(Signal to Noise Ratio,SNR)的值远远大于其他两种方法,即表明了基于RVR的红外点源目标检测算法相比其他方法具有用更优越的检测性能。