红外成像制导系统是红外图像和视频处理领域的一个重要研究方向,融合了模式识别、图像处理、自动控制和人工智能以及计算机应用等多方面的技术,具有抗干扰能力强、可昼夜工作、隐蔽性好、生存能力强等优点,从二十一世纪开始,被广泛应用于航天航空、交通监视和军事制导等多个领域。而红外目标检测与跟踪技术作为红外成像制导系统的关键技术,多年来,众多专家学者投入了大量精力致力于这一方面的研究,提出了很多红外目标检测与跟踪算法。红外目标检测与跟踪的目的就是找出红外视频序列每帧图像中运动目标的位置、速度、加速度等参数。在实际应用中,红外目标不仅要受到背景和噪声的影响及红外成像系统自身系统引入噪声的干扰,而且远距离的摄像使得目标在红外视频序列图像中的成像信噪比较低,不仅如此,这样的红外目标成像没有足够的目标形状、颜色等信息可加以利用。以上众多问题都是红外目标检测与跟踪中的难点和有待解决的重点。现今,国内外许多学者致力于红外目标检测与跟踪算法研究,提出了众多具有创新性和指导性的红外目标检测与跟踪算法,如Kalman算法、Meanshift算法、遗传算法等,这些算法在红外目标检测与跟踪方面都取得了良好的效果。本文在前人研究的基础上对红外目标检测和跟踪算法方面进行了研究,主要研究工作和创新点如下：(1)提出了一种基于Kalman预测和tophat变换的红外目标的检测和跟踪算法。该方法通过Kalman算法预测当前帧的目标位置,运用tophat算法搜索当前帧中预测区域中最优目标的位置,有效的降低了运算量,减少了计算时间。实验证明该方法对于移动对象消失、目标完全或部分被遮蔽、物体的快速移动、物体运动方向的改变或者运动物体速度的突然改变等复杂情况下的跟踪都具有很好的稳定性和鲁棒性。(2)提出了基于遗传算法和改进tophat算法的红外目标检测与跟踪算法。该算法首先提出了一种改进的tophat算法,利用膨胀和腐蚀算法中不同结构体边缘特性实现红外小目标的检测,然后通过基于遗传算法的粒子滤波方法对小目标的进行有效跟踪。其优点为：采用改进的tophat方法不仅能有效的滤除掉单帧图像中大面积的背景及噪声,同时能够较好地保留点状小目标；粒子滤波算法不受模型线性及高斯假设等约束,所以对红外视频序列中的目标跟踪有一定的稳健性,进而在对粒子滤波算法中重采样引入遗传算法不仅保证了粒子的有效性而且兼顾了粒子的多样性,从而有效的提高了粒子滤波对红外目标跟踪的精度。(3)将Meanshift思想融入到粒子滤波算法中。将粒子按照权值进行分组处理,通过对每组选出的小组中心进行迭代的方法避免了全部粒子都参与Meanshift迭代运算的现象,降低了运算复杂度。同时,算法能够根据每一帧跟踪情况自适应的调整采样粒子数和采样范围,有效提高了跟踪精度。实验表明,该方法对简单环境背景下的目标跟踪有很好的跟踪精度,具有一定的应用价值。