复杂背景下的红外小目标检测是红外图像处理领域一项重要的研究内容。目前,关于空中红外小目标检测已经有了很多优秀的研究成果,但由于背景的复杂性以及小目标形状纹理特征的缺失,复杂背景下的红外小目标检测不能取得较好的效果。另外,图像处理数据量越来越大,对处理系统的实时性提出了更高的要求,实现对处理算法的加速成为了一个必然趋势。本文在传统红外小目标检测算法的基础之上进行了改进,提高了算法在复杂背景下的适应性,并对算法的硬件加速实现进行了设计。本文主要研究内容包括:(1)针对局部对比度测量(Local Contrast Method,LCM)算法对复杂背景下红外小目标检测的不足,在分析小目标邻域像素灰度值特征之上,定义了局部最大差值这一参数来提高算法的检测性能。局部最大差值能够利用更多邻域的像素信息,而且局部最大差值与局部最小对比度数值大小的一致性以及数值范围的差异性在算法计算过程中都得到了充分利用,从而可以实现更为有效的目标增强和背景抑制。实验证明,改进的LCM算法相比传统算法在对复杂背景下的红外小目标检测性能上有了较大的提高。(2)针对传统串行处理器在进行图像处理时在功耗和处理速度上的不足,对基于FPGA的图像算法硬件实现进行了研究。改进的LCM算法属于图像处理的底层算法,运算结构简单、重复性高,并且能够拆分成独立的功能模块,适合用具有并行处理特性的FPGA来实现。FPGA能够将算法的功能模块映射为独立的电路结构,视频数据流处理的处理方式以及流水线的运用可以实现低时钟下的处理操作,降低系统的功耗。实验证明,FPGA相比传统串行处理器可以起到对图像处理速度加速的作用。(3)针对高分辨率目标跟踪器处理性能的需要,设计了一款基于DSP+FPGA的协同图像处理系统。系统硬件的底层通信和硬件加速设计,使得系统能够达到实时处理高清晰度视频的要求。实验证明,在FPGA和DSP的协同工作下,系统能够完成对高清晰度图像中小目标的实时检测和跟踪。