本文围绕天空起伏背景中红外弱小目标的检测问题,展开以下研究：1、在分析背景杂波与弱小目标的图像特性基础上,研究红外图像中弱小目标与背景杂波在空域和时域中的可分离性,对不同特征的可分离性进行分析和比较,确定了在空域强相关的背景杂波灰度分布特征、在连续帧间强相关的弱小目标灰度特征以及在连续帧间强相关的弱小目标位置特征作为本文算法研究的出发点；2、在分析背景预测模型的基础上,比较固定权值和自适应权值的背景预测算法,依据背景杂波灰度分布在空域强相关的图像特征,提出一种局域同质背景预测算法,这种方法可以克服异质背景区域对预测精度的影响,大幅减少不必要的预测运算以及由此带来的运算误差,显著提高残差图中弱小目标信号的信杂比,改善背景预测方法检测弱小目标的性能；3、提出一种对比滤波的时域廓线算法,针对传统方法当弱小目标与云边缘杂波的运动速度相当时出现虚警的情况,新方法在分析弱小目标、云边缘杂波以及平稳背景三类像素点时域特性的基础之上,首先利用时域廓线特性抑制平稳背景,然后依据云边缘杂波像素在空域连续,而弱小目标像素在空域孤立的特性,构造空域对比滤波器,并使用对比滤波器对去除平稳背景的图像数据进行滤波,最后再进行时域廓线的驻点连线滤波以实现对弱小目标的检测,该算法能明显消除与弱小目标运动速度相当的云边缘杂波虚警,进一步提高弱小目标的检测概率；4、提出一种运动方向估计的管道滤波算法,分析了红外弱小目标的运动特性,依据弱小目标在相邻帧间位置具有连贯性的特征,建立了弱小目标的运动方向估计模型,在模型中利用弱小目标逐帧检测的先验位置信息,估计弱小目标的运动方向和轨迹,根据估计结果去除管道内噪声对弱小目标的干扰。仿真结果表明,本方法能够很好地抑制管道内噪声的影响,提高弱小目标的检测概率,增强弱小目标抗管道内噪声干扰的能力。