在现代战场条件下，武器系统的隐身特性得到不断加强，如何在保证不暴露已方目标的前提下快速准确地检测到敌方的活动成为当前侦查武器发展的一大难题。红外搜索跟踪系统(IRST)具有有较好的大气窗口，能够在夜间和能见度较差的情况下搜索到目标，而且是被动探测，具有隐蔽性好和抗电子干扰性强等特点，成为雷达警戒系统的有效补充。由于红外搜索跟踪系统的突出作用，从上世纪80年代开始，世界主要军事大国都开始进行该系统的研发工作，至上世纪90年代已成为战斗机和水面作战舰艇的必备光电侦查装备。我国也十分重视红外搜索跟踪系统的自主研发工作，十五和十一五期间都对该系统的研制提供有力支持。　　 红外弱小目标检测跟踪算法是红外搜索跟踪系统的核心算法，是研制高性能红外搜索跟踪系统的关键技术。在遥感信息与图像分析技术国防科技重点实验室基金项目(高空间分辨率光学图像目标的自动识别研究，编号：08C01510113)的支持下，中国科学院遥感应用研究所智能图像处理研发团队对红外弱小目标检测跟踪算法进行了一定的探索和研究，目前工作主要专注于粒子滤波检测前跟踪算法的研究。传统的Mean-Shift跟踪算法对密度函数梯度进行估计，能快速搜索和匹配目标，具有较高的实时性，但只能处理呈单峰分布的状态概率密度函数，且难以跟踪快速运动目标；粒子滤波算法利用一组带权值的粒子估计和逼近目标状态的后验分布，以此来预测目标的当前状态，它能够有效处理非线性，非高斯的跟踪问题，以及处理密度函数呈多峰分布的状态预测问题。本论文在粒子滤波算法的基础上，主要作出了以下三个方面的创新性贡献：　　 (1)研究并理解了粒子滤波检测前跟踪框架解决弱小目标检测跟踪问题的思路，主要是以混合状态粒子滤波的方法来同时解决目标检测和目标状态估计(即目标跟踪)问题，详细推导了Salmond-TBD框架和Rutten-TBD框架的数学原理，两种框架的主要区别在于：一是后者抛弃了当前时刻死亡的粒子，连续粒子和新生粒子具有固定粒子数，二是后者能够解析地推导出目标存在的概率。最后，在协同转弯模型和低信噪比目标亮度幅值波动的情况下对两种TBD框架进行了仿真，验证了两种粒子滤波检测前跟踪框架的性能。　　 (2)针对粒子滤波算法固有的重要性函数选择和粒子退化问题，将辅助粒子滤波(APF)，无先导粒子滤波(UPF)和边缘化粒子滤波(MPF)引入粒子滤波检测前跟踪框架中，通过协同转弯模型和常速度模型的仿真数据验证有效地提高了目标检测跟踪的精度，证明了通过对次优重要性函数的选择和非线性变量边缘化的方式可以改进粒子滤波检测前跟踪算法的执行效果。辅助粒子滤波和无先导粒子滤波的重要性函数考虑了当前时刻的量测，因而采样得到的粒子能够更好地反映实际情况，因而具有较高的精确度。边缘化粒子滤波采用统计学中Rao-Blackwell理论，在粒子滤波的计算过程中将部分线性的状态变量边缘化，在其余非线性状态变量已知的条件下用卡尔曼滤波器进行更新，从而减小了估计方差。　　 (3)根据粒子滤波检测前跟踪算法对图像建立的目标模型，将红外视频图像用目标加背景加噪声的形式加以建模，研究了线性、非线性的空域背景估计算法和基于运动补偿的时域背景估计算法，并通过原始红外图像减去估计背景图像的方法得到了可以应用于粒子滤波检测前跟踪算法的图像数据，比较了不同背景估计方法的优劣。将背景估计算法与粒子滤波检测前跟踪框架相结合应用于实际的红外视频中，取得了不错的检测跟踪效果。