Los vehículos aéreos no tripulados (VANT) presentan desafíos de seguridad significativos debido a su baja detectabilidad en imágenes infrarrojas, especialmente cuando aparecen como objetivos pequeños y de bajo contraste contra fondos complejos. Este artículo presenta un nuevo marco de detección de objetivos infrarrojos que aborda estos desafíos a través de dos innovaciones clave: un módulo de mejora de imagen basado en filtrado gaussiano mejorado y una red de extracción de características jerárquica. El módulo de mejora de imagen propuesto incorpora una función de peso vertical para manejar valores de características anormales mientras preserva la información de los bordes, mejorando efectivamente el contraste de la imagen y reduciendo el ruido. La red de detección introduce la columna vertebral SODMamba con Módulos de Percepción de Características Profundas (DFPM) que aprovechan los componentes de alta frecuencia para mejorar las características de los objetivos pequeños. Experimentos extensivos en el conjunto de datos SIDD personalizado demuestran que nuestro método logra un rendimiento de detección superior en diversos fondos (urbano, montaña, mar y cielo), con un mAP@0.5 alcanzando 96.0%, 74.1%, 92.0% y 98.7%, respectivamente. Notablemente, nuestro modelo mantiene un perfil ligero con solo 6.2M de parámetros y permite inferencia en tiempo real, lo cual es crucial para el despliegue práctico. Experimentos de validación en el mundo real confirman la efectividad y eficiencia del enfoque propuesto para aplicaciones prácticas de detección de VANT.