红外弱小目标的检测问题一直是近年来国内外研究的重点和热点,在被动红外探测系统中占据着重要的位置。尽可能的提高目标的检测距离,提前发现目标是决定战争胜负的关键因素。由于距离远、辐射能量弱等特点造成红外目标成像弱小且易受强杂波影响,因此如何在复杂背景环境下实现目标的可靠检测具有重要的理论意义和军事意义。尽管复杂背景下弱小目标呈现出低信噪比等特点,但目标相对于局部背景会出现信号幅度的突变,表现出一种奇异性,根据小目标在时空域表现出的这种奇异性可以实现目标信号的检测。因此,本文从研究微弱信号本身的非平稳性和奇异性出发,通过研究非平稳信号中奇异性检测理论,寻求一种对弱小信号奇异性的检测方法,从而应用到低信噪比情况下的红外弱小目标检测,提出了基于信号奇异性检测的新方法,主要工作如下:1.总结了小目标检测研究的现状,从红外图像的空域和时域方面出发,分析了红外图像的特性并建立相应的数学模型,分析了信号奇异性的理论,联系到红外弱小目标表现出来的奇异性,对红外小目标的奇异性作分析并建立模型。2.研究了几种信号预处理的方法,其中包括形态学滤波、局部背景预测滤波、中值滤波和改进中值的维纳滤波,为后续的红外序列图像的小目标检测提供了预处理手段。3.在对序列图像的时域特性的研究的基础上,根据时域中目标表现出的奇异性特征,提出了一种基于新的改进中值维纳滤波器的红外弱小目标的奇异性检测方法,仿真实验表明,该算法具有很好的小目标检测性能。4.由经验模态分解理论知识得知复杂信号可以分解为不同频率尺度的本征模态函数,可以检测到非平稳信号、突变信号等显著变化,将经验模态分解方法应用到红外图像的小目标检测问题上,通过对单帧红外图像的行与列分别经验模态分解得到不同频率的分量,并对这些分量进行多级联合从而达到检测目标的目的。最后将该方法应用到红外序列图像的时域上,通过分量合成的方法实现红外弱小目标的检测。仿真和实验结果表明了本文提出的方法的有效性和良好的检测性能,具有较大的应用前景。