红外目标检测在计算机视觉领域中是一个很重要的研究方向,具有十分重要的科研价值。显著性红外目标检测的目的在于寻找图像中信息最丰富、最有趣的区域。红外目标检测已经有效应用于图像检索、图像分割和目标跟踪等研究领域。红外目标跟踪在军用导弹制导、红外视频仪监控、医疗等领域都占有非常重要的地位。传统的基于边界框的目标跟踪方法,在非刚性目标的跟踪过程中容易出现漂移的问题,而基于分割的跟踪方法则可以有效的解决这个问题。本文主要采用基于吸收马尔可夫链的显著性红外目标检测,并在此基础上,完成基于图模型的红外目标跟踪方法,这是一种基于分割的跟踪方法,其主要内容为以下两个方面:(1)提出了一种基于吸收马尔科夫链的显著性红外目标检测方法。这是一种自底向上的红外图像显著性目标检测模型,该方法将红外图像进行超像素分割,将超像素构建为一条吸收马尔可夫链,将最大熵随机游走与吸收马尔可夫链相结,建立了显著性红外目标检测的框架,将显著性检测计算为吸收时间。传统的显著性检测的目标通常位于图像中间区域,当目标位于图像边界时,则显著性检测性能下降。为了解决这个问题,本文采用K-means聚类进行预分割粗略估算出目标位置,将位于边界的目标像素从吸收节点中去除。本方法采用多尺度超像素对检测结果进行融合,目的是增加显著性目标检测的有效性。本方法在三个独立红外数据集上进行实验,实验结果证明本文所提方案的有效性。(2)提出了一种基于图模型的红外目标跟踪方法。这是一种基于吸收马尔可夫链的分割跟踪算法,目标分割以递归的方式传递到后续帧。该方法将红外视频序列预处理进行超像素分割,连续两帧的红外图像构建一个基于吸收马尔可夫链和最大熵随机游走相结合的图模型,前一帧的背景超像素对应于吸收节点,每边的权重取决超像素之间的特征并由于支持回归向量所得到。使用光流法可以通过前一帧的前景区域获得后一帧的ROI区域,一旦构建图模型构建完成,利用每个超像素的吸收时间进行目标分割。本方法采用两个独立的数据集进行实验,实验结果证明本方法相比于现方法的优越性。