红外成像技术具备良好的隐秘性与抗干扰性,同时能够适应复杂的气候变化,因此在红外制导、早期预警、导弹追踪、智能安防、夜间导航等军事与民用领域都具有广泛的应用。红外弱小目标跟踪是其中的一项关键技术,在军事防御领域具有十分重要的地位。由于红外图像的信噪比和对比度均比较低,背景的杂波干扰十分严重,而红外弱小目标其本身具有成像距离较远、目标微弱、运动速度快、缺乏纹理与形状信息等特征,在跟踪过程中目标就极其容易淹没在背景中而导致目标丢失,这些都使得针对红外弱小目标的跟踪极具挑战性。因此,如何在复杂背景情况下对红外弱小目标实现有效而稳定的跟踪具有重要研究意义。本文从红外弱小目标图像具备的特征出发,分析了红外弱小目标跟踪过程中发生偏移的原因,从而提出相应的方法对跟踪偏移现象进行改善。具体研究内容如下:针对红外弱小目标图像成像距离远、目标缺乏纹理与形状信息、背景占比大以及杂波干扰严重等情况导致的跟踪偏移问题,本文提出了一种多特征融合的背景感知红外弱小目标跟踪算法。该算法以KCF算法为基础,在特征提取阶段选取两种特征来对滤波器进行训练,将训练结果进行加权融合,用来预测目标的位置,接着将上下文背景感知框架引入到算法中,对背景信息进行采样,采样结果作为负样本来训练分类器,从而减轻背景对跟踪结果造成的影响。仿真结果表明,该算法能够较好的改善跟踪发生偏移的情况。针对复杂背景情况下,目标微弱且目标发生抖动等现象而导致跟踪发生偏移的问题,本文提出了一种基于奇异值分解与边窗滤波的背景感知红外弱小目标跟踪算法。该算法在引入了上下文背景感知框架的基础之上,首先运用奇异值分解对红外弱小目标图像进行预处理,使目标得以增强,接着在跟踪过程中,通过使用了边窗滤波技术的方框滤波器对序列中的每一帧图像的基样本中的背景边缘进行抑制,降低背景边缘对跟踪算法的影响。仿真结果表明,该算法减弱了复杂背景对红外弱小目标跟踪的影响,使得跟踪过程中算法发生偏移的情况减少,能够实现有效而稳定的跟踪。