红外弱小目标检测及跟踪技术是计算机视觉的核心技术之一,被广泛应用于军事及民用领域。传统跟踪方法因为自身缺陷以及背景干扰而产生误差积累,在长时跟踪过程中产生跟踪点漂移。随着计算机视觉技术的发展,目标跟踪算法在满足实时性的基础上开始注重提高跟踪精度,降低跟踪误差。如何有效抑制和校正跟踪点漂移,实现高精度的目标跟踪成为计算机视觉领域的研究热点之一。本文首先分析了复杂背景下各种现有的目标跟踪算法产生跟踪点漂移现象的机理,并提出相应的解决方法,最后通过大量实验对跟踪点漂移抑制与校正的效果作了验证。本文的主要研究内容有:(1)研究了红外成像的基本原理及红外图像预处理、弱小目标检测及跟踪的经典算法。分析了复杂背景下产生跟踪点漂移的原因,研究了复杂背景下跟踪点漂移抑制与校正相关的国内外研究现状及发展趋势。(2)通过研究机器学习的基本理论以及基于稀疏环表示的弱小目标检测算法,提出了基于kNN分类器的稀疏环特征弱小目标跟踪算法和基于AdaBoost分类器的稀疏环特征弱小目标跟踪算法,并通过实验验证了所提出算法对跟踪点漂移的抑制与校正作用。(3)通过研究基于局部对比度的弱小目标检测算法,提出了基于局部对比度约束的弱小目标跟踪点漂移抑制算法,并通过实验对该算法进行了验证和分析。(4)搭建了基于C#的红外图像处理平台。主要采用.NET框架进行平台搭建,并在平台上进行算法实现及验证。