与可见光、雷达成像系统相比,红外成像系统有着穿透性强,可全天时、全天候工作,作用距离远等优点,因此被广泛应用于军事领域与民用领域,如在精确制导、医学成像、治理交通等系统中都发挥着至关重要的作用。在现代战争中,作战双方都通过各种手段来进行识别与反识别,因此,尽早发现远距离目标是顺利开展其他工作(如识别与跟踪)的保证。红外小目标检测作为一项关键技术,也毫无疑问成为了研究热点。实现远距离对小目标的精准检测能够为后续的处理提供更充足的时间,而随着距离的不断增加,使得红外小目标在图像中通常呈现弱小的特点,且缺乏细节、纹理信息,背景的复杂性导致小目标很容易被淹没,让检测任务更加困难。虽然已经有大量科研工作者对该问题开展研究,但是仍然着存在很多亟待解决的问题。本文针对现存问题展开探讨,主要研究内容如下:(1)针对现有红外小目标检测算法中基于局部先验和基于全局先验方法的不足,提出了一种将局部先验信息和全局先验信息相结合的红外图像小目标检测方法。改进了典型的基于局部先验的方法容易将一些不太亮的孤立像素误认为目标,而典型的基于全局先验的方法容易将具有强边缘特点的像素错误地检测为目标的缺点。该方法首先通过双窗口将目标亮度提亮且将背景杂波抑制,然后通过多尺度稀疏低秩分解方法分为稀疏的目标图和低秩的背景图,最后进行阈值分割即可。通过在多个场景下与不同方法做对比证明所提出方法的有效性。(2)针对红外图像缺乏纹理、细节信息导致小目标很容易淹没在复杂的背景中这一问题,本论文将数学形态学中的建树方法引入到针对红外图像的小目标检测领域。实验发现,在红外图像中,当细节信息不丰富时,空间信息是一个很好的补充。因此,本论文通过将数学形态学中最大树特征提取和稀疏低秩分解方法相结合提出一种新型的红外图像小目标检测方法。首先使用数学形态学建树方法提取空间信息,然后使用稀疏低秩分解方法将得到的对比图分为稀疏的目标图和低秩的背景图,最后进行阈值分割得到最后的结果图。多场景下与不同类型的方法做对比证明了该方法的适应性。