红外图像处理技术是当今数字图像处理技术的一个重要研究领域,在军事、医学、工业等领域都有着举足轻重的地位,如军事制导中红外小目标的精确定位可以帮助预测战况,以及时获得情报,因此红外目标检测技术是红外图像处理中一门值得深入研究的学科。由于在红外图像中背景结构复杂,目标通常是几个到十几个非零像素点,导致图像信杂比较低,因此如何从复杂背景中以低误警率、高检测率提取小目标是一个非常有难度的问题。本文在研究传统经典以及当今流行的目标检测算法的启发下,提出自己的想法,将图像空域、频域、以及图像的低秩稀疏理论结合起来应用于红外目标检测,互相促进,使得各种算法相辅相成,提高检测效果的鲁棒性。主要工作内容如下:（1）针对小目标尺寸未知、空域中不同高斯核模板对图像平滑效果不同,单一模板对图像进行处理容易造成漏检的情况,提出基于多尺度高斯空间的低秩稀疏恢复算法。主要思想是提取背景,之后与原始图像进行差分得到目标显著性图。首先利用不同尺度的高斯模板与图像进行卷积,得到三个不同尺度抑制目标后的平滑图像;进一步对平滑后的图像使用加速近端梯度法进行低秩稀疏恢复,以确保每个尺度得到的低秩矩阵中尽可能不包含目标信息,取每个尺度低秩矩阵的最大值为最终的背景图像;接着将原始图像与背景图像做差得到目标显著性图,最后利用图像的均值及方差对显著性图进行阈值分割,得到最终的目标检测结果。实验结果表明,将原始图像与融合不同尺度得到的背景图像做差,在提高目标与背景对比度的同时也保证了显著性图中目标的完整性,与其他对比算法有较高的检测率以及较低的误警率。（2）针对红外图像中小目标具有稀疏性和高频性,背景具有低秩性和低频性的特点,提出基于低秩稀疏恢复与图像分块离散余弦变换的红外小目标检测算法,利用局部频域分析进一步抑制低秩稀疏恢复算法中的剩余的背景杂波。首先利用交替方向法对图像进行低秩稀疏恢复得到稀疏目标显著性图;接着对显著性图进行两个不同大小的无重叠的分块,对每块进行离散余弦变换,在变换域中将直流系数置零,可以抑制显著性图中部分剩余的低频分量,进行逆变换得到两个不同分块变换域的处理结果,对逆变换的两幅图像进行归一化并做点乘运算,进一步增强目标与背景的对比度,得到最终的目标显著性图;最后进行阈值分割以实现目标检测。实验结果表明,该算法能够有效的抑制各种复杂背景,降低误警率。（3）针对经典的图像分块模型造成的矩阵数据量大的问题,提出基于图像分块与压缩域下的低秩稀疏恢复算法,并且对于不同大小的原始图像给出了不同的分块方案。首先根据提出的图像分块方案对所要处理的原始图像设置相应的滑动窗口以及步长进行有重叠的分块,依照分块的顺序将每块拉成一个列向量并组成一个大矩阵,进一步增强背景像素间的相关性;接着使用随机测量算子对列向量化后的大矩阵其进行采样得到一个远小于大矩阵尺寸的一维向量,以降低需要处理的数据量;进一步对所得到的一维向量进行低秩稀疏恢复得到稀疏块图像,最后对稀疏块图像进行重构得到最终的目标检测图。通过仿真实验与其他算法进行对比分析,进一步证明该算法可以适应于多种复杂背景的目标检测,并且具有较高的检测率以及较低的误警率。