現(xiàn)有的目標檢測識別技術在理想環(huán)境（背景單一、目標分辨率高等）中已經(jīng)取得了顯著的效果，但在更為普適開放的環(huán)境下往往無法正常工作。復雜場景下小目標的檢測和識別研究面臨環(huán)境的復雜性、目標特性的復雜性和數(shù)據(jù)的不完備性三個層面的挑戰(zhàn)。本文解決該問題的基本思路是在源域知識的指導下，修正目標域樣本在特征空間的聯(lián)合概率分布，從而提高樣本目標域特征的可分性。本文針對分布不一致的問題，從上下文信息、信息補償以及數(shù)據(jù)增強這三個層面展開研究。