在国防和民用领域,弱小目标检测跟踪技术具有重要的实际意义。而红外观测手段,相比其他技术,具有成像质量高速度快、抗电子干扰能力强、隐蔽性好、效费比高、结构紧凑等等优点,在精确制导、天基对地观测、港口以及国境线监测、科学研究中有着不可替代的优势。对红外弱小目标实现准确的检测,对提高红外检测跟踪(IR search and track, IRST)系统作用距离和跟踪性能具有重要作用。红外弱小目标中“弱”指的是目标对比度低,“小”指的是目标成像后所占像元数少,红外弱小目标的检测是一项极具有挑战性的工作。红外图像中,背景云层辐射大量红外线形成高亮度区域,而暗电流噪声等的存在降低了图像的信杂比,都对目标的检测形成了干扰。同时红外弱小目标没有形状信息以及颜色信息可以利用,进一步加大了检测难度。近几年来,国内外研究者提出了大量红外弱小目标检测算法,取得了较好的效果。本文在前人的研究基础上,提出了两种新的红外弱小目标检测算法,并对这两种算法进行融合,显著提高了目标检测的性能。具体研究内容和创新点如下：(1)改进了传统的二维最小均方差(two-dimension least mean square, TDLMS)滤波的检测方法,提出了双向TDLMS滤波算法。该算法采用左向和右向的TDLMS滤波器分别对红外该图像进行滤波,并将结果融合起来进行检测。为了进一步提高检测效果,对左向和右向的采用的TDLMS滤波器都做了相应的改进。改进一为根据图像噪声方差决定预处理中对图像的高斯模糊方差,实验表明,当高斯模糊方差正比于图像噪声方差时,具有较好的检测效果；改进二为提出了一种较合理的步长自适应选择方法；改进三为对传统的滤波窗口进行降采样,降低了每次迭代计算量。对比实验表明,采用双向TDLMS滤波比传统的TDLMS滤波以及其他改进的TDLMS滤波具有更好的检测性能以及计算效率。另外,为了快速准确估计图像噪声方差,建立了一种新的噪声估计模型。(2)首次将主曲率引入到红外弱小目标检测领域,提出了主曲率函数滤波的检测算法。主曲率函数滤波方法通过图像曲面的主曲率特征来检测目标。为了抑制噪声对检测的影响,首先对图像进行高斯模糊,然后利用正值的高斯曲率和负值的平均曲率的积来检测目标。为了优化检测中的参数,采用高斯分布近似噪声、目标和小尺寸云层,利用该近似模型进行了推导,得到了优化高斯模糊的参数以及检测阈值。仿真实验表明,该方法比其他几种传统方法具有更好的检测性能和计算效率。(3)提出了融合双向TDLMS滤波和主曲率函数滤波的检测方法。该方法通过机器学习方法融合两种方法的检测结果。仿真实验表明,采用基于对数特征数据的支持向量机模型具有比其他算法更好的检测效果。采用融合后模型检测目标,具有比双向TDLMS滤波及主曲率函数滤波更优的检测性能,特别是对于高噪声以及复杂背景的图像,检测准确性得到显著提升。