受到云层飘移、树木晃动、背景噪声杂波等因素的影响，红外弱小目标在地空背景下无法被精确检测。针对这个问题，本文提出了一种融合时空结构张量的背景差分检测算法。首先，通过当前图像与背景模型的比对确定出运动变化的全部像素，再用前景点计数的方法消除噪声等因素造成的孤立点错误检测；然后，时空结构张量模块利用连续帧图像的时间空间信息检测出运动块；最后，对前景目标像素和前景目标块进行融合操作，并将目标区别于背景二值化显示。与其它算法对比的实验结果表明，本文提出的算法具有稳定的检测率，且虚警率有明显降低，是地空背景下红外弱小运动目标检测的有效方法。

基于视频图像的运动目标检测，是根据目标的像素特征来判别出相对于背景运动的目标，当图像背景动态变化时，将难以区分背景和运动目标的像素特征，易造成检测错误。复杂背景下的运动目标检测是一大难点，目前主流的运动目标检测算法在背景灰暗、水面波动、气流颤动等复杂背景干扰下，难以准确地检测出运动目标。针对上述问题，提出一种自适应复杂背景干扰的运动目标检测算法，采用新的前景判断和背景模型更新方法，同时设计了一种创新型自适应阈值更新方法，当视频背景变化时，自动更新阈值。该算法增强了对复杂背景、镜头抖动的抗干扰能力，通过各种视频测试，背景点检测正确率达到0.9958，前景点检测正确率达到0.8012，极大提高了前景检测率，而且该算法满足高实时性要求，对复杂背景下的运动目标检测有显著效果。