近年来随着技术的不断进步,红外成像被广泛应用于人脸识别、目标检测和医学诊断等各个领域。但由于复杂背景下存在云杂波等强噪声、实际应用场景中目标成像距离较远和信号在大气中衰减严重等原因,红外目标具有信号弱、成像面积小、形状信息缺失、纹理特征不明显、信噪比较低等特点,同时复杂背景下的人造光源和建筑物等的存在也导致目标检测算法的虚警率较高,这些原因都给红外弱小目标检测算法性能的提升造成了巨大挑战。在实际应用中通常要求目标检测算法保证较高的准确率、较低的虚警率和较好的实时性,因此如何平衡算法的各项评价指标以达到较高的性能是目标检测算法研究的难点之一。针对上述复杂背景下红外弱小目标检测存在的难题,提出一种基于人类视觉系统对比机制的红外弱小目标检测算法。首先,对红外图像进行预处理,通过中值滤波去除红外图像中的孤立噪声点。然后对处理后的图像进行高斯函数差分滤波处理,抑制图像中大面积高亮区域。最后,通过改进的基于局部对比度方法去除高亮边缘区域,消除高疑似目标,最终实现对复杂背景下红外弱小目标的检测。实验表明:相较于传统的LCM算法、Top-Hat算法、TDLMS算法和Infrared Patch-Image Model算法等,该算法在虚警率、正确检测率、检测时间等方面更有优势,具有检测率高、虚警率低、鲁棒性好、运行时间短的特点。