本文根据红外成像制导的处理流程对红外目标检测、跟踪以及红外自动目标识别算法进行了一些研究。根据红外成像的特点研究了自适应背景估计的原理，推导出了自适应滤波器的数学模型，给出了其适合工程实用的数学表达式，并针对自适应滤波器所存在的不足，提出了一种改进的基于高斯内核的自适应背景估计算法。之后，将其应用于小波变换后的小波系数中，进行小目标检测。针对复杂背景下的运动目标分割问题，提出了一种基于边缘检测的红外成像目标跟踪算法。该方法首先通过canny边缘检测算法，对输入图像进行边缘检测，然后把边缘图像进行场景对准处理，计算出相应的场景平移参数，根据这些平移参数，平移帧图像后做差分处理。在残差图像中，根据局部熵的图像分割法，对图像进行二值化处理。针对小目标的跟踪问题，在讨论常用多目标关联方法基础上，提出适用于密集目标环境的基于粒子群算法的多维分配算法。将其中的数据互联表述为多重观测数据集合之间的最优组合分配问题，并用粒子群优化算法求解。根据3σ原则增加量测约束条件，据其对粒子群初始化。再通过合理的交叉变异策略利用确认备选量测，减小搜索最优解空间，实现静态数据关联。针对红外自动目标识别问题，首先推广了Yager融合公式，并给出了一种更理想的融合公式，新的合成公式能够有效地合成高度冲突的证据，其合成结果优于D-S证据理论合成公式和Yager合成公式。在此基础上提出了一种基于D-S证据理论的红外小目标识别算法，该算法对中红外和远红外成像小目标先进行各种目标特征的提取，根据提取的特征进行基本概率分配。对基本概率分配值再利用改进的D-S组合公式进行融合识别。文章还提出了一种基于一致性和模糊测度的数据分类优选融合模型。该智能融合模型从两方面进行了不确定信息的处理：通过类别概率置信度的分类估计，修正探测数据误差引起的目标分类的偏差了；通过一致性测度进行传感器分组，利用模糊测度的传感器组可靠信度量，实现传感器组的优选，使得最终融合结果是一致性和可靠性高的传感器组决定，这样的不确定信息处理与属性融合有机的结合，使得融合系统较好地处理了信息冲突，抑制了错误信息，保证了融合系统输出的可靠性。