红外成像系统很适合被应用在实际的检测、跟踪和制导系统中,其特殊的被动工作方式以及在隐蔽性、抗干扰能力、生存能力等方面的突出表现和明显优势已经使其成为现代军事制导系统中的一项关键技术。目前,将红外热成像技术应用于目标检测、跟踪领域是国内外学者研究的热点之一。在现有检测跟踪理论和算法基础上,寻求更加实时、有效的检测跟踪方法依然是一项十分重要的课题。本文的研究工作为：从背景抑制角度出发,寻找在保证检测跟踪准度精度的条件下,具有低复杂度与运算效率的红外小目标检测、跟踪算法。近年来,国内外先后涌现出大量的针对复杂背景下红外小目标的检测与跟踪算法。所谓复杂背景即背景中各种灰度成分有较为剧烈的变化,这种情况下红外小目标更容易淹没其中。由于现阶段并没有一种算法能够完全解决检测跟踪中遇到的所有问题,因此,复杂背景下的红外小目标检测与跟踪过程仍然存在很多问题需要进一步研究。本文在学习和总结前人的学术成果的基础之上,提出了三种行之有效的小目标检测跟踪领域的改进算法：(1)针对天空背景下的红外图像序列的检测问题,提出一种基于形态学滤波的小目标检测算法。该算法首先采用均值滤波和OpeningTop-hat运算对红外视频序列进行预处理,然后运用基于均值和方差的统计分割方法提取图像中的运动目标,从而实现了红外小目标的检测。实验结果表明,所提出滤波方法具有良好的检测和分割效果,能够有效的改善检测的准确程度。(2)基于复杂天空背景下红外小目标的特性分析,提出了一种利用分类背景预测与图像分块技术进行红外小目标检测的有效算法。该算法以背景预测理论为基础,通过边缘检测技术、最大均值和局部最相似分类背景预测技术获得较为准确的图像背景,进而从残差图像中提取出较为精确的目标位置。其中,通过图像分块处理,提高了算法计算效率。实验结果表明,所提出预测算法在检测准确性、鲁棒性以及计算效率上都具有明显的优越性。(3)在分析和阐述卡尔曼滤波器的基础上,将分类背景预测思想与卡尔曼预测估计相结合,提出了两种针对于红外小目标的跟踪算法：基于KF预测的子框局部搜索跟踪算法和基于Kf预测的全局阈值跟踪算法。这两种改进算法都是在分类背景预测算法的检测基础上进行的,前者以KF预测结果为中心建立子框(副帧),在子框中进行分类背景预测并修正；后者则对KF预测和分类背景预测的结果进行阈值判定,对判定结果进行KF修正。最终通过一系列的仿真实验验证了算法在红外小目标跟踪方面的表现。实验结果表明,在复杂背景中该算法能获得精确有效的跟踪效果。