近年来,随着红外传感器工艺水平的提高,以红外成像技术为核心的红外探测系统不断被应用到安防领域,受到各国的高度关注。红外小目标检测技术是红外探测系统的关键技术,由于红外小目标具有纹理信息少、信噪比低的特点,以及红外小目标周围背景的复杂性和多变性,探索新型的红外小目标检测技术一直是图像处理领域的研究热点。本文以天空场景、海天场景、山地场景和城市场景中的红外小目标作为主体进行分析,主要从以下几个方面进行研究:针对红外图像特性,分别从三个方面进行研究,包括不同场景下红外图像中目标特性、背景特性和噪声特性。由于红外图像存在噪声干扰与对比度低的特点,对红外图像进行预处理,包括图像滤波和图像增强,并进行了实验对比分析。针对红外小目标局部亮度和梯度分布特性,本文重点研究了基于红外小目标局部亮度和梯度分布（LIG）的红外小目标检测算法。针对该方法存在局部亮度和局部梯度数量级差距巨大、梯度约束条件不足导致虚警率过高的问题,本文提出了一种改进的基于LIG的红外小目标检测算法,主要作了两点改进,第一,本方法重新定义了局部梯度的计算公式,使得亮度和梯度在同一数量级上,两者所作贡献相近;第二,本方法在计算梯度分布时,同时引入梯度的数量信息和角度信息作为约束条件,进一步降低了虚警率。最终在不同场景下进行实验,结果表明本方法具有较强的鲁棒性。针对红外小目标局部对比度特性,本文重点研究了基于传统局部对比度机制（Local Contrast Mechanism,LCM）的红外小目标检测算法。针对该方法存在背景抑制能力弱、虚警率高以及对噪声敏感等问题,本文提出了一种n LCM（new Local Contrast Mechanism）红外小目标检测算法,主要作了两点改进,第一,本方法新增了图像预处理,进行背景抑制与亮目标增强,同时只需要改变一个参数,即可完成对暗目标的增强;第二,本方法重新定义了局部对比度公式,引入图像局部的均值和方差代替最大亮度,从而减少了噪声的干扰。最终通过实验对比验证了本方法的优越性和鲁棒性。