复杂背景下红外动目标检测是现代图像处理范围的热门课题之一,低空背景下的远距离飞行目标在红外图像中像素点数少,缺乏形状、纹理等信息,能量衰减严重,可供检测系统利用的信息少;同时面临复杂的自然和人工干扰,目标信噪比非常低,严重干扰了目标检测。对于小目标检测新的算法的探索和研究,以及如何运用现有的各种处理方法来检测目标是非常有意义的。本文通过对国内外研究者提出的各种检测方法比较研究。并结合背景项目--某红外成像搜索跟踪设备,设计了完整的低空背景下弱小飞行目标检测算法,包括图像预处理、单帧检测、多帧确认等。本文详尽地分析了低空背景下典型飞行目标及自然和人工干扰的特性,针对这些特性,提出一种基于背景估计的改进的形态学滤波方法;在提取天地线方法上,首先把几种常见的图像处理中提取直线的方法进行了实现,然后综合要处理的图像中的场景特点和几种方法的优劣势,在原有方法上进行了改进,把改进的行均值梯度法和直线拟合法结合,提高了天地线检测的准确率。在提取天地线后,通过几种分割方法之间的性能对比,选择改进的迭代阈值分割,高概率的实现对单帧小目标的检测;最后本文将多特征关联方法结合到传统管道滤波中,成功确认目标。为验证上述新方法的有效性和整套算法的效果,本文对算法的各个部分进行了仿真实验。本文设计的算法能够达到设备平台的要求,实时性要求图像处理频率达到100Hz,目标检测概率达到90%。实验结果的分析表明,比较原有平台上的算法,运算时间降低了0.002s,目标检测概率提高了5%,能够在弱小飞行目标信噪比极低的情况下实现目标的检测。本文的设计依据现有的某型号车载红外搜索跟踪设备的设计,在此设备的算法基础上尝试其他算法,改善设备的目标检测性能,实现了在算法上对于目标检测性能上的提升。