微小运动目标检测一直是运动目标检测方法中的难点。微小运动目标在视频图像中像素少、占整张图像比例小,当其处于背景较复杂的环境中时,要准确提取出它的边缘、颜色特征或者其他特征有较大的困难。本文主要研究了视频中的微小运动目标检测问题,内容可分为以下三部分:(1)针对传统的高斯混合模型仅考虑时间域上单个像素相关性问题,本文将图像的空间信息引入背景建模过程中,提出了一种基于改进高斯混合模型的微小运动目标检测算法。在模型的匹配阶段,以当前像素的邻域特征值来表示当前像素,然后进行匹配判定。实验结果表明,本文的改进方法对于视频中的微小运动目标能获取更好的检测结果,获得更高的召回率和查准率。(2)针对实际情况中,视频像素的历史灰度值序列并不严格服从高斯分布问题,提出了一种基于偏正态混合模型的微小运动目标检测算法。在每个像素位置处建立一个偏正态混合模型,读入新的一帧图像后,进行参数更新和前景目标检测。实验结果表明,本文算法提取出的微小目标轮廓更加完整,对动态背景的适应性更强、对于相机抖动情况也有一定的鲁棒性。(3)针对视频中存在的动态背景问题,提出了一种改进的朗斯基偏正态混合模型。以每个像素与其邻域像素构成的支持区域来表示当前像素,利用朗斯基函数来进行前景与背景像素的分类。实验结果表明,本文算法可有效的应对由运动背景产生的噪声,获取更好的微小运动目标检测结果。