实现对红外弱小目标的快速而准确的检测是红外监控和预警系统对目标进行后续跟踪和分析的前提,同时实现对低空域的无人飞行器的检测是对当前无人机监管和空域监测的必要举措,而红外图像传感器的全天候、全天时特性,且具有透过雾、雪、大气能力优于可见光的特点,使得红外传感器是一个不错的选择。本文主要研究的是复杂场景下,利用红外图像检测技术对视场内低空远距离小目标进行检测。论文通过将改进软形态学滤波,分离出背景后利用分数阶微分算子增强图像后与一种显著性检测方法结合,比单一显著性检测更能凸显目标,提取出完整的弱小目标区域,达到有效检测的目的,本文主要研究内容如下:1.从两个角度对软形态学算子予以改进,改进后的算法相对于传统形态学滤波而言,对多种场景均具备实现背景抑制能力,相对于软形态学滤波而言,改进的top-hat运算能和其达到同样背景抑制效果的同时,缩减运行时间。2.在目标提取阶段,结合分数阶微分和一种显著性检测方法,先利用分数阶微分增强目标,凸显目标的同时能在一定程度上抑制噪声,增加目标的显著性,然后利用一种显著性检测算法能更好的提取目标。3.阈值选取阶段针对传统阈值分割方法的不足,对常用的阈值选取方式作出两种改进方案,使得当图像中出现两个显著性不一的目标时,使用改进的阈值分割方法的会更准确提取出两个目标。4.在单帧目标处理阶段提取目标后,为进一步降低检测虚警率,在原有管道滤波算法基础上改进管径选取规则,并进一步利用目标面积信息,基于运动目标的时空连续性(目标位置的连续性和帧间关联性),利用多帧关联的方法能在一定程度上排除孤立噪声点。实验表明本文所采用算法在三种场景在均有较高的检测率和较低的虚警率,总体而言检测效果较其他四组对比算法效果更好。