利用红外成像实现自动目标检测、识别与跟踪是现代军事武器装备的主要技术发展方向。红外低信噪比小目标检测问题是军用武器系统中的关键技术之一，同时也一直是光学和图像领域的研究热点。红外传感器受到大气热辐射、作用距离远以及探测器噪声等因素的影响，探测到的目标在红外图像上多呈现为对比度低的弱小目标，并且淹没在噪声中。红外图像弱小目标的检测困难在于：目标信噪比低，无纹理特征可以利用，背景复杂等。为了提高图像的信噪比，减少背景和噪声的影响，本文首先分析了红外图像中目标、噪声和背景的特性，并介绍了多种预处理方法，通过实例比较了各种方法的性能。每种方法都有各自的优缺点，应根据实际的场景和检测需求来选择。 对于图像中局部邻域而言，弱小目标的出现对邻域内灰度分布的影响非常明显，其邻域内的熵值也随弱小目标的出现和背景有较大的变化。因此，可以运用邻域内图像熵值的变化来检测弱小目标。采用邻域熵方法进行检测时，在计算完各图像块的邻域熵后，将面临如何选取阈值的问题。为了解决这个问题，本文利用高通滤波对图像作预处理，锐化目标，增加小目标像素间的离散度，然后在整幅图像中搜索最小熵值出现的图像块，但计算量很大。考虑到检测系统的实时性，我们采用遗传算法搜索次优解，只要稍微放大邻域的尺寸，就能很好的检测出目标出现的区域。 由于单帧检测很难保证检测效果，本文研究了序列图像检测算法。多级假设检验则是根据图像信息和系统的要求得到的多级门限对形如“树”一样的轨迹进行不断修剪，目标所在的树枝将会保存下来。本文详细解析了该算法，针对多级假设检验方法没有综合利用前面多帧检验结果的不足，通过对各帧图像中候选目标点运动方向的统计，预测各候选目标点的运动方向，减少了在相邻两帧图像间查找候选目标点的量，更适合工程使用。此外，在实例中发现多级假设检验对目标速度有严格限制，在该方法的思想提上加上速度匹配，很好的解决了对目标速度的约束问题，扩展了该算法的使用范围。