红外小弱目标的检测与跟踪技术被广泛应用于红外制导和预警、视频监控、医学探测等领域。研究在低信噪比条件下的红外小弱目标跟踪的新方法具有重要的军事和社会价值。近年来,图像稀疏表示理论在信号表示中的简洁性和高效性,备受广泛关注。它采用冗余的超完备字典代替传统的傅里叶变换、小波变换等基于数学基函数构造的信号表示方法,在超完备字典中寻找到最少的原子对信号进行最佳表示,有利于目标识别。本文基于信号稀疏表示理论对红外小弱目标的跟踪技术进行了深入研究,取得的研究成果主要有:①提出了一种基于内容的字典学习方法来构建能准确表示小弱目标形态的自适应形态成份超完备字典,并比较了Gabor超完备字典、高斯字典、自适应形态成份字典在小弱目标稀疏重构信号的稀疏表示能力。实验结果表明,自适应形态成份字典包含了更多各种形态的目标原子,更有利于重构小弱目标信号。②提出了一种基于自适应在线分类的超完备字典小弱目标检测方法。挖掘目标信号和杂波噪声在高斯超完备字典中稀疏表示的差异性,提出利用高斯超完备字典对自适应形态成份字典的原子进一步在线自动分类,构造了自适应的在线分类超完备字典,即目标超完备字典和背景超完备字典,增强了目标与背景的特征差异。然后利用信号分别在目标字典和背景字典中的重构残差能量差异性原理检测出小弱目标信号,提高了小弱目标检测算法的准确性。③在粒子滤波框架下提出了一种基于自适应稀疏表示的小弱目标跟踪算法。该算法建立了基于在线分类字典的小弱目标的稀疏分类表示观测模型,利用粒子目标图像块和粒子背景图像块的稀疏重构误差的差异性大小来估计目标的状态,并保持对目标的稳定跟踪。本文还提出了一种随机估计的方法对字典的子空间进行实时在线更新,提高了跟踪算法的计算效率、实时性以及稳健性。理论分析和试验结果表明,本文提出的基于自适应稀疏表示的红外小弱目标跟踪方法具有对杂波和噪声敏感性弱的优点,能有效提高目标跟踪性能。