暗弱空间运动小目标检测在航天及军事领域有着广泛的应用,本文面向国家安全和战略制衡对地月空间广域监控的迫切需求,并针对地月空间超远距离目标探测识别中低信噪比运动小目标难以检测的问题,开展了在复杂星场背景下的暗弱空间运动小目标检测的研究,分析了背景及暗弱运动目标的特性并构建了目标与背景的交互模型,实现了在复杂星空背景下极低信噪比运动目标的检测,最终达到提高空间广域目标探测识别水平的目的。本文提出的方法主要是在时域上对信号进行分析处理,利用运动目标进出像元时给时间区间内信号所带来的扰动反演出目标的存在。本文提出一种基于涨落分析的暗弱空间运动小目标关联检测算法,开展了基于光场涨落的目标信号和背景噪声的时域特性分析,构建了时序信号的关联统计模型,通过划分时间窗口的方式提取局部涨落特征,并实现暗弱运动小目标检测。实验结果表明该方法的检测率和虚警率都显著优于其它几种经典常用方法,在仿真数据和真实数据中都有很好的检测效果,在半物理仿真实验中的检测率为87.8%,虚警率为28.84%;在真实的小行星数据中检测率为70.56%,虚警率3.62%。最后提出一种基于隐半马尔可夫模型（Hidden semi-Markov Model,HSMM）的暗弱空间运动小目标检测算法,根据HSMM构建了目标信号与背景噪声在时序上的交互模型,进而对像元内时序信号进行建模和状态划分,在检测时利用窗口内时序信号的涨落等一系列特征作为状态区分的判据,利用Baum-Welch算法求解与观测到的时间序列对应的可能性最大的隐藏状态序列,进而分析出目标存在的状态位置,实验结果表明该方法在近地小行星探测实验中的检测率达到了80.35%,且虚警率为1.38%,验证了该方法的有效性。