低信噪比条件下的红外弱小目标检测是当前的热门研究课题,国内外不少学者在这方面做了大量的研究工作,提出了不少有价值的解决办法,如多帧检测和运动轨迹检测等。但是这些算法普遍存在着计算量大,实时性差等问题。本文正是在这个背景下,从解决工程实用性的角度出发,对单帧红外图像的小目标检测进行研究。众所周知,红外图像本身起伏背景复杂,而小目标又只占一个或几个像元,往往淹没在背景中,造成信噪比太低而无法进行检测。正是为了解决这个问题,本文利用背景估计技术,实现目标与背景的分离,从而提高代检测图像的信噪比。首先讨论红外图像的统计特性,在此基础上分析总结了时下几种典型的背景抑制算法的优缺点后,以自适应背景估计技术作为研究的重点,对红外起伏背景进行抑制。具体包括自适应线性预测器、非线性均值滤波器和神经网络预测器的理论分析和性能对比。并在此基础上提出了两种改进算法:改进自适应线性预测算法和线性、非线性混合滤波预测算法。通过对红外原图像的仿真实验,结果表明算法的背景估计能力优异,能很好地实现对复杂起伏背景的抑制,大大地减少了后续检测工作的难度。且计算量适中,实时性好,易于工程实现。