红外成像制导武器由于其抗干扰能力强、可全天候使用的特点，在现代高技术局部战争中受到越来越多的重视，红外小目标跟踪技术作为其中的关键技术也随之成为当前的研究热点，此外，红外小目标跟踪技术也是机器视觉领域的一个重要研究方向。因此，研究红外小目标跟踪技术可以拓展机器视觉理论同时也对实际的工程应用起到一定的作用。本文以新一代红外反坦克导弹作为工程背景，对地面背景的红外小目标跟踪技术进行了深入的探讨和研究，取得的成果如下：　　(1)对跟踪的红外小目标进行了系统的分析，得到了红外小目标的静动态特性。红外小目标因为尺寸比较小，并且受制于成像系统，在运动过程中的形变会比较明显，也就是说梯度特征不稳定；相反，图像的灰度特征在某一时间段内保持相对稳定。以我国99式坦克为例，分析了红外小目标运动过程中的动态特性，得出目标在成像系统中的初始大小，并给出计算方法；同时分析了99式坦克和导弹的运动特性，通过计算得出了红外小目标在视频序列中的帧间形变和尺度变化可以忽略，但是累计形变和尺度变化不能忽略的结论。然后根据红外小目标的特性，分析讨论了红外小目标的跟踪中特征表示的一些因素，重点分析了局部图像的主方的提取方法。对红小目标特性的分析为研究合适的红外小目标跟踪算法提供了丰富的理论依据。　　(2)提出了以融合特征以及亮度修正为基础的红外小目标跟踪算法。为了增强特征的独特性，在充分对比单一特征和融合特征的匹配相关曲面以后，选择利用融合灰度和梯度信息的新特征作匹配；为了便于梯度信息的匹配，选择圆形的区域统计特征，利用计算重心的办法计算局部图像的主方向；为了提高搜索的效率，在进行匹配搜索的时候采用启发式的爬山搜索法替代盲目的穷尽搜索；然后在充分分析红外小目标的静态特性之后，提出了亮度修正的方法，用来修正融合特征匹配之后的结果，保证跟踪的中心点始终是局部最亮的。该算法融合了图像的灰度和梯度信息，与经典的红外小目标算法相比，具有更好的鲁棒性，更小的跟踪误差以及更低的误跟踪率。　　(3)提出了以场分布图特征和Kalman位置预测为基础的红外小目标跟踪算法。场分布图是基于图像的灰度和位置信息构建的，是模糊化的局部图像，但是这种模糊具有不损失图像信息的特点，因此很适合灰度信息比较稳定同时目标形变比较明显的红外小目标，这也是第一次将场分布图引入红外小目标的跟踪领域；利用Kalman滤波的方法进行目标位置预测能够缩小目标搜索范围，提高搜索效率，增强算法的鲁棒性。实验结果表明，场分布图的表示方法能够适应红外小目标一定的形变和尺度变化，并且有较方便的模板更新方式，在跟踪的精度上优于经典的红外小目标跟踪算法和本文提出的另一种融合特征以及亮度修正的红外小目标跟踪算法，同时这种算法在有实验表现出较好的鲁棒性。