海空背景下小目标红外检测方法一直是图像处理领域中的热点及难点。由于红外图像中小目标具有无明显特征、尺寸小、像素数少等特点,导致对目标的远距离检测难度增加,难以获得小目标的相关信息。同时由于海杂波、海天线及天空云层等干扰因素,使得目标容易淹没在背景噪声及杂波当中。针对复杂海空背景下红外慢小目标的检测方法,本文的研究内容及创新如下:针对在远海背景下不易对目标准确检测,研究了区域目标检测预处理算法。通过分析红外图像区域的统计分布模型,并根据区域分布模型的差异性,筛选出符合要求的目标区域。对海空背景下红外小目标进行检测,结果表明区域目标检测的预处理算法可实现对目标的初步定位,对提高小目标的检测率、降低虚警率和漏警率具有极为重要的意义。针对复杂海空背景下杂波及噪声点的消除、对不同海空场景中目标的自适应检测,研究了基于区域目标检测的自适应目标分割算法。建立数学模型得到自适应不同背景的阈值,从而根据阈值分割得到目标区域二值化图像,对区域图像进行重构获取检测结果。分别采用单一目标、多目标、不同海空背景下的单帧红外图像进行仿真实验,并与传统算法对比,结果表明该算法对单一目标、多目标、在不同海空背景下均具有较好的检测效果。为了确定真实目标,引入改进的管道滤波算法,对序列图像中目标的检测与计数同步进行,提出了基于ATS-RTD和管道滤波的结合算法,对两组序列图像进行实验验证,结果表明该结合算法可以准确地检测真实小目标,并且对背景的抗干扰能力强。针对海空背景下红外小目标检测的实时性、对不同海空场景中目标自适应并稳定地检测,研究了基于区域目标检测的块均值算法。对预处理后的红外图像建立块匹配模板,与目标区域各像素点匹配得到区域内的目标,通过区域图像重构获得最终检测结果。采用三幅不同的红外图像进行仿真验证,结果表明该算法对单一目标,多目标,在不同海空背景下均具有良好的检测性能;与Top-hat、Otsu等四种算法作对比,结果表明该算法具有高实时性、自适应性、高检测率等优点。为了排除噪声点等干扰,提出了基于BM-RTD和管道滤波的小目标检测算法,对两组序列图像进行实验验证,结果表明该结合算法实时性较好,可以适用于不同海空背景下小目标的检测,具有较高的检测率和抗干扰性能。