本课题是国家科技部支撑项目“高稳定性高速电弧喷涂层温度场影响规律研究”的一部分，是与装甲兵工程学院装备再制造技术重点实验室合作的项目。另外该课题还得到国家自然科学基金项目的支持，基金号是：60573016。　　 序列红外图像包含物体的温度信息，在工业、军事、医学方面得到广泛应用。序列红外图像中运动目标跟踪与分割问题的研究在技术上涉及到计算机图像处理、模式识别、以及人工智能等诸多领域，因而具有较高的研究价值。为了更好的分割和跟踪运动目标，本论文研究在图像处理中如何改进现有方法从而更有效的跟踪运动目标，并进行快速的分割。　　 课题前期工作研究序列红外图像运动目标边缘模板的获取，提出了基于三帧差分法和无边缘Snake模型相结合的方法。该方法首先利用三帧差分法获得中间帧运动目标的边缘。由于三帧差分法获得的边缘并不完整，存在很大的缺陷，在此基础上引入了无边缘的Snake模型，找到闭合曲线，将全部区划分为内部区和外部区两个部分，使在内部区的图像部分与在外部区的图像的平均灰度恰好反映出对象与背景之间的灰度平均值的差别。　　 课题后期工作研究序列红外图像中运动目标的跟踪和匹配问题，首先采用传统SSDA自适应阈值的算法对物体进行跟踪匹配，匹配过程中由于需要对运动目标的所有像素进行判断，影响了计算速度。基于特征级SSDA算法利用运动目标边缘特征进行判断匹配，只针对边缘像素点进行判断，很好的解决了这个问题，但由于是全局搜索，基于特征级的SSDA并不能达到实时跟踪的目的，为了解决这一问题提出了基于虚拟质心和边缘信息熵相结合的SSDA匹配算法，算法对匹配过程中搜索区域和判断次数上进行约束。利用运动目标虚拟质心的趋势和范围在空间上对搜索区域进行约束；利用边缘信息熵最丰富的一小段或几段连续边缘进行判断次数上的约束。实验结果表明，该算法可以达到对运动目标实时跟踪匹配的目的，并且实现了在匹配完成的同时对运动目标进行分割。