目标信号检测是在天文观测数据中获取天体目标的物理信息的基本步骤。在天体物理研究中，大部分的天体信息是从天文图像中获取的。目前，对天文图像科学研究的基本目标是从图像中获取到的各类天体信息，例如天体数量，天体的分类，天体颜色、星等的分布，天体物理特性的研究等等。很显然，对于上述的研究项目，如何在天文图像中准确地把目标源检测出来是最基本的也是最重要的步骤。　　 电荷耦合器件(CCD)作为新一代的探测器得到广泛使用，由于它得到的图像是直接数字化的，可以方便地运用计算机技术对这些数字化的图像进行处理，从而得到有用的信息。针对这种数字化图像，目前已有很多种程序包用来检测天体目标信号，比如DoPHOT、DAOPHOT/ALLFRAME、FOCAS、SExtractor、IRAF、COSMOS用来处理天文图像得到源的星等、位置、分类；IRAF、WEVELET ANALYSIS等可用来处理天体的光谱数据。这些程序包在处理天文数据显现了很强大的实力，是现在比较主流的天文图像处理方法。随着研究的深入，研究人员又推出了神经网络法、贝叶斯法、数学形态法等新的天文图像处理方法。另外一个发展趋势就是综合这几种方法来处理天文图像。　　 虽然上述几种图像处理方法很强大，研究人员多数在用这些方法来处理天文数据，但它们也有一些不足之处。例如，这些方法有的自动化程度不够，更为一般的是这些方法的信号显著性标准过严，很容易遗漏在统计学上显著的低信噪比信号。这些缺点在复杂变化的背景中进行目标信号检测时表现得尤为具有限制性。鉴于这些不足，我和导师在对已有的处理方法整合并引入多项细节方面的创新发展了一项新可在一般背景的天文图像中通过统计拟合而有效检测强或弱的规则的天体目标信号的算法，新算法克服了以往算法只能在不变的或简单规则变化的背景中检测、严重遗漏暗弱但统计上仍显著的信号、以及缺乏通用性等重大缺点能够全自动地把统计学上显著的低信噪比信号准确地检测出来。　　 新算法及程序在在高效处理海量观测图像和精确处理复杂背景的观测图像中可有广泛的应用。目标信号检测的一个重大应用就是通过检测到谱线数据中的原子特征谱线，然后由这些原子特征谱线得到目标天体的多普勒红移值。由于我们的新算法能够全自动地处理一维光谱数据，这样就能够应用到大规模星系红移巡天项目中，节省人工干预提高检测效率，具有重要的应用价值。　　 本文第一章简单介绍数字图像处理的常用方法以及目标信号检测步骤。为了让读者熟悉天文数字图像处理的过程以便更好地理解我们的新算法，第二章详细介绍一种CCD图像处理的具体实例一恒星测光的处理方法。第三章重点介绍我们新算法的具体内容，阐述新算法引入多项细节方面的创新及其与已有方法的整合。第四章我们把新算法用于检测英国一澳大利亚GAMA巡天的最新批量实测暗星系光谱数据中，检测到原子特征谱线进而得到星系的红移值。第五章阐述新算法未来的具体应用。