针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题，提出了一种层次卷积滤波检测算法。主要分为两个部分：第一，根据红外小目标特性，设计一种层次卷积滤波的算子，对图像进行滤波处理，实现图像中小目标的增效和背景抑制的效果；第二，采用基于最大值的自适应阈值方法，对图像进行二值化操作，过滤背景杂波，最终提取到待检测的目标。在大量不同背景红外图像中进行实验，论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果，且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian，LoG）滤波算法的30.42%。通过实验对比，表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。

针对复杂背景下尺寸未知的红外弱小目标检测难题，一种基于聚类思想的红外弱小目标检测方法被提出。首先，利用小目标形态学特征对原始红外图像进行预处理，生成新的密度特征图。其次，使用改进的密度峰聚类算法对潜在候选目标进行粗定位。然后，针对潜在目标的局部候选集，采用加权模糊集聚类算法对局部候选集进行目标与背景区域的精细分割，利用目标与背景之间的差异性在增强目标的同时抑制虚警。最后，对处理后的局部候选集进行自适应阈值提取真实目标。实验结果表明，与7种对比算法相比，该算法对尺寸未知的小目标具有良好的鲁棒性和检测性能。

针对红外图像处理技术中弱小目标检测的重要性及关键性，提出一种基于非线性抗噪声估计的检测算法来解决高可靠性、高鲁棒性的弱小目标检测问题。提出的方法基于传统视觉显著度算法及空间距离处理方法，对目标及背景区域采用非线性加权方法进行估计，在不显著降低目标信号信噪比的基础上，削弱孤立微小噪声点对检测算法性能的影响，可提高抗噪性能。首先，采用模块化及非线性映射方式预测背景；然后，融入距离相关因子滤除噪声干扰；最后，在处理结束的图像上进行二值化阈值分割，自动检测并向下一级处理软件输出目标位置信息。实验结果表明：提出的算法与近年来先进的弱小目标检测算法相比，在受试者测试曲线上，在相同的虚警率下，可获得更高的检测率，对背景噪声的抑制很明显；在局部信噪比及背景抑制因子的测试比对数据上，提出的算法可获得更高的检测指标。缺点是算法采用了非线性处理技术，运算效率较低，需进一步优化算法以提高计算速度，实现算法的实时目标检测。