提出了基于频域映射与多尺度Top-Hat变换的红外弱小目标检测算法。通过分割经典Top-Hat的单一结构元素, 获得多尺度膨胀结构元素, 对红外弱小目标进行增强, 有效抑制杂波与噪声背景; 基于Butterworth低通滤波与截止频率, 构建Butterworth差异带通滤波, 联合Fourier变换, 建立粗显著性检测机制, 通过提取其幅度与相位频谱, 基于2D高斯平滑滤波, 定义细显著性检测机制, 在频域中凸显弱小目标, 并将红外目标的空间与强度相关性作为识别标准, 精确定位候选目标; 根据红外目标运动与虚警的速度差异特征, 定义弱小目标连续帧速度模型, 在帧间充分抑制候选区域中的虚假目标, 检测出完整的弱小目标。实验结果显示: 与当前红外弱小目标检测技术相比, 面对复杂背景干扰, 提出的算法具有更高的检测精度, 可精确定位出完整的弱小目标, 呈现出更好的ROC特性曲线。