作为红外制导、搜索跟踪和预警系统的核心技术之一，红外小目标检测与跟踪技术一直都是红外图像处理领域中的一项热门研究课题。红外小目标图像目标面积小，而受限于红外成像设备的物理性能，红外小目标图像通常信噪比较低，纹理轮廓的特征信息较少；同时背景中包含大量噪声和杂波，目标容易淹没在背景噪声和杂波中，给检测和跟踪带来了很多困难。注重稳定性同时兼顾效率的红外小目标检测与跟踪技术一直是研究的热点。红外小目标检测与跟踪包含红外图像背景抑制、小目标检测和小目标跟踪三个主要技术环节。本文在分析总结红外小目标图像特点的基础上，重点研究了上述三个环节,具体工作如下：（1）将软形态学理论应用于红外图像背景抑制，提出了基于软Top-hat(STop-hat)的背景抑制方法。利用加权次序统计量代替标准灰度形态学的最大或最小操作，构造了基于软形态学的STop-hat算子；实验表明，该方法优于经典Top-hat方法及最近提出的MTop-hat方法，能够有效的提高抑制背景噪声，提高图像信噪比。为了提高STop-hat算法的应用范围和适应性，提出了基于图像交互信息的自适应结构元选择方法。利用开运算图像交互信息曲线和Top-hat图像交互信息的曲线交点，求得最优结构元尺寸。实验结果表明，该方法选择的结构元与人工选择的最优结构元保持一致。（2）在STop-hat背景抑制基础上，提出了基于结构元尺寸的红外小目标检测分割方法。利用结构元尺寸大小，自适应地选择分割阈值，实现小目标检测分割。实验结果表明，该方法能够有效地检测红外（序列）图像中的弱小目标。（3）在Mean-shift跟踪算法框架下，针对红外小目标特点，提出了基于三角二值模式（TBP）的目标建模方法。实验结果表明，结合三角二值模式的Mean-shift方法在目标跟踪准确率、跟踪效率上均优于经典Mean-shift方法。