复杂背景条件下的红外弱小目标的检测具有非常重大的理论意义和实际应用价值,尤其是在军事领域,常用于红外侦察、制导及预警等方面。由于红外弱小目标所特有的面积小、亮度低、与周围背景之间的对比度弱等特点,在原始红外图像中,复杂背景下的高亮背景、背景边缘和噪声等很容易淹没真实红外弱小目标,导致目前针对复杂背景条件下的红外弱小目标检测算法存在检测率低、虚警率高等问题。当前,基于人类视觉系统Human Visual System（HVS）、以局部对比度为检测依据的红外弱小目标检测算法的原理凭借简洁易实现、契合原始图像特征,得到了该领域学者的大量关注。该类算法受HVS人眼视觉对视场中的对比度信息比亮度信息更敏感思想的启发,通过提升红外图像中局部弱小目标与背景之间的对比度,从而提高算法的检测率,降低虚警率,同时还具有多尺度检测能力。因此,针对复杂背景条件下的红外弱小目标检测难题,本文将重点研究基于HVS人类视觉系统,以局部对比度为检测依据,在复杂背景条件下的新型单帧及多帧红外弱小目标检测算法。尽管当前已有越来越多的学者投入到基于人类视觉系统的红外弱小目标检测算法研究当中,但是就总体来说,许多问题尚未得到很好的解决,主要有以下三点:一是在复杂背景条件下现有HVS型单帧算法在局部对比度定义上在增强目标和抑制背景杂波这两方面往往不能同时兼顾;二是在复杂背景条件下现有HVS单帧算法对辅助加权思想的研究较少,未能充分利用局部背景复杂度加权信息来进一步抑制背景杂波,对信杂比极低的弱小目标往往检测率较低;三是多帧空时域算法的研究在最近几年才刚刚展开,在复杂背景条件下现有HVS多帧算法中一般将空域和时域分开计算,缺点在于没有将三维空时域作为一个整体来看,空域和时域分开计算再融合会增加虚警,任意一部分检测性能的好坏会影响到整体检测性能。在本文中,我们首先对复杂背景及红外弱小目标的特点进行了分析,从单帧及多帧两个方面对近年来典型红外弱小目标检测算法进行了分析和总结,在此基础上,提出了三种在复杂背景条件下基于单帧和多帧的红外弱小目标检测算法:一是对红外弱小目标检测方法进行了初步探索,提出了一种复杂背景条件下基于小面核滤波的局部对比单帧检测算法Facet-kernel Filtering Local Contrast measure（FFLCM）,该方法利用小面核模型对红外小目标图像子块中中心子块进行灰度曲面拟合以此来增强目标,同时,结合相似度背景抑制算法从增强目标和抑制背景两方面入手,来实现对红外弱小目标的检测。二是提出了一种复杂背景条件下的全新单帧检测算法——多尺度匀质性加权局部对比检测算法Homogeneity-weighted Local Contrast Measure（HWLCM）,该算法提出了新的局部对比度计算方法,并在此基础上提出了匀质性加权计算因子,进一步抑制复杂背景杂波和增强目标。三是提出了一种复杂背景条件下的新型多帧检测算法——基于三维空时域的局部对比检测算法Spatial-temporal Local Difference Measure（STLDM）,该方法提出了新的三维局部图像块结构,通过利用目标在多帧三维空时域中目标中心的局部对比度变化特征及目标周围区域的局部对比度变化特征这两种特征,直接在三维空时域中对目标进行八方向局部对比度检测。实验表明,本文提出的三种算法,特别是HWLCM及STLDM算法不仅能显著增强目标,更能有效抑制背景杂波,对复杂背景条件下的信杂比极低的红外弱小目标,表现出了良好的检测性能。