红外探测器具备全天时、全天候、不受天气影响等特点,被广泛使用在空间探测、战略预警等领域。复杂背景下髙效、鲁棒、可靠的红外弱小目标检测是一项非常关键的技术,能够提高我国红外预警能力、反导能力以及在未来战争中的制空能力,具有很高的军事价值。由于红外图像成像距离远,分辨率低,缺乏细节和纹理信息,目标所在背景复杂,易淹没在背景中,因此需要进行红外目标识别与检测技术研究。待测目标与红外传感器距离较远,目标所占成像区域比例较小,难以提取目标形状、结构、纹理等显著特征,且信号强度弱,孤立噪声点与点目标相似,且数量多,灰度值分布广,从低于图像平均灰度到高于目标灰度都有,噪声干扰强,需要在低信噪比条件下进行目标检测。红外成像的传感器像元尺寸大,图像分辨率低,图像中目标和背景边界不清晰,且所有空间环境中高于绝对零度的物体都能辐射红外波能力,因此在有云层、大气及太阳光干扰的复杂背景条件下,容易造成较高的检测虚警。由于探测目标必定处在特定背景中,图像帧的背景必然连续且相关,而背景也处在一个动态变化过程中,背景具有复杂性和非平稳性,因此很难对背景进行建模,且跟踪过程中,环境中的背景会对目标产生遮挡。待测小目标的特征千差万别,因此每种小目标都需要有其对应的数据集来反映其本质特征,否则难以完成端到端高效检测。本文针对复杂红外目标检测和图像降噪,主要完成了四个方面研究内容。首先,针对红外图像信杂比低,纹理不清晰的特点,使用红外探测器获取了分辨率较高的实际红外图像,包括了复杂的高亮云层天空背景、地面建筑物背景,分析了实际红外图像序列和公开数据集中图像背景与目标的特性。针对大面积高亮度云层、大面积地面建筑物等复杂背景下真实红外小目标检测,提出了融合的多尺度局部梯度对比度增强算法,将空间域模板滤波与多尺度梯度对比度方法相结合,针对复杂度环境背景,进行融合,能够抑制真实复杂空天背景下高亮度杂波背景,提高了目标信噪比,能够改善检测正确率。同时计算复杂度较低,适合工程应用。其次,针对特定的红外数据集中图像具有高亮条带、高亮角点的特点,提出了复杂背景下红外小目标检测方法,通过融合的多尺度局部对比度分析算法,将空间域滤波与改进的多尺度局部对比方法进行像素级的多次融合,进一步增强目标局部对比度,针对不同复杂环境背景,实现背景的有效抑制,提高了目标信杂比,对高亮背景边缘及角点都有较好的抑制效果,对复杂环境具有较好的鲁棒性。再次,对红外图像小目标和背景进行低秩稀疏表达,在高噪声环境下实现了较高的红外小目标检测率。在红外块图像稀疏表示的模型基础上,提出利用改进加权核范数优化算法,完成稀疏低秩分解,结合图像局部对比度信息,进行检测后处理,用于实际红外图像单帧小目标检测,相对于传统空域滤波检测及稀疏低秩模型检测,对复杂背景具有更好的鲁棒性,能够较好抑制背景,提高信杂比增益。最后,在实际复杂红外场景中对小目标图像进行处理,实现了基于自适应群稀疏的低秩稀疏的降噪算法。考虑到红外图像低信噪比、低分辨率等特征,通过改进加权核范数的群稀疏模型,进一步改善红外图像帧降噪性能,从客观指标上实现了降噪优化。同时通过判断图像中小目标的局部信杂比变化情况,进一步验证降噪性能。相比传统的降噪算法,可提高图像信噪比,增强结构相似性,一定程度上改善了目标的信杂比,从而提高后续目标检测率。