复杂背景条件下的红外弱小目标检测一直是红外图像处理领域中的一个难点，但它同时又是一个研究的热点。它不但对军事领域有着重要的战略意义，而且在民用领域的应用也越来越广泛。因此，复杂背景条件下的红外弱小目标的检测是一项既颇具挑战性而又富有意义的工作。　　 由于成像距离远、背景噪声以及探测器内部噪声的影响，复杂背景条件下的红外弱小目标信噪比非常低，没有明显的形状、纹理等特征，往往被复杂的背景和噪声所淹没，这对小目标的正确检测造成很大的干扰。为了解决上述问题，本文对复杂背景条件下的红外弱小目标检测进行了研究，本文的主要研究工作如下:　　 首先，本文分析了红外图像成像原理及特性，然后给出了红外小目标图像的模型，并分别对红外图像模型的三个组成部分进行了详细的分析，接着对红外小目标检测的整个流程进行了介绍和分析，总结了各个组成部分的一些常用的基本方法，为后续的研究工作奠定了理论基础。　　 其次，本文提出了一种基于核主成分分析(KPCA)的红外弱小目标检测方法，它是由核函数方法和主成分分析结合的一个方法。这个方法概括起来分为三步:首先，用高斯函数生成一些小目标训练样本;然后，通过一个非线性的核函数将小目标样本映射到一个高维的特征空间，在这个高维的特征空间中进行主成分分析处理，接着通过计算训练样本投影向量和待检测红外图像每一模块的投影向量的距离，我们就可以得到目标增强了的红外图像;最后，通过分割目标增强了的红外图像来检测目标。实验结果表明该方法能够有效地抑制红外图像中的背景杂波。　　 最后，本文利用张量代数理论，提出了一种基于高阶张量的红外弱小目标检测方法。首先，我们用小目标的目标灰度分布、目标对比度和目标局部背景灰度分布三种特性构建了小目标多特性的训练样本数据库;然后，在利用建立的多特性样本数据库基础上，实现了基于高阶张量的红外小目标检测算法。实验结果表明该方法可以有效地抑制红外图像中的背景杂波。与一些传统的抑制背景的方法相比，该方法的普适性较好，特别是当红外图像的背景比较复杂时，该方法的优势比较明显。