随着科学技术的不断发展，红外小目标识别技术已经广泛应用于军事、医学、航天等领域，例如精确制导系统、预警系统、无人侦察机等。研究红外小目标识别技术具有非常重要的理论意义和应用价值。红外小目标能量弱、面积小、信噪比低，在复杂背景下容易被淹没，所以识别红外小目标是一项非常具有挑战性的工作。本文研究的主要内容与工作概括为以下四个方面：(1)用掩模图像以及形态学方法提取红外图像的背景，为后续计算多尺度局部对比度提供背景图像。对于以海洋为背景的图像，用Hough变换提取海天线，确定目标的感兴趣区域。(2)基于红外小目标的局部特征，采用多尺度局部对比度（Multi-scale LocalContrast Measure, MLCM）增强目标的信号，抑制背景。然后，通过恰当的阈值提取目标。多目标识别时将阈值由大到小逐步递减，通过分析目标识别的效果，自动选择最佳的阈值。(3)在红外小目标识别的实际应用中，要求算法具有非常高的实时性。所以，本文中的算法采用图形处理单元（Graphic Processing Unit, GPU）加速处理，图像处理大多具有“单指令多数据流”的特点，这种特征的数据处理适合在GPU上完成。实验证明，在GPU上能明显提高算法的运行速度。(4)最后，分别从目标识别的精度以及算法运行的速度两个方面进行仿真实验，实验表明，本文所给算法具有较高的识别精度以及在GPU平台下表现出良好的实时性。