小目标检测与跟踪一直以来都是光电成像检测系统的关键技术之一，本文旨在研究发展一些有效的小目标检测跟踪技术，以解决低信噪比小目标的稳定检测和跟踪问题。本文系统地阐述了当前小目标检测跟踪的基本理论和方法，研究分析了小目标成像特征和背景杂波模型，指出了小目标检测跟踪的难点所在，并在此基础上发展改进了一些小目标检测跟踪的新方法，实验证明这些方法在小目标检测跟踪方面取得了很好的效果。主要研究内容包括：　　 ⑴在图像预处理方面：结合实际工程，改进发展了形态滤波，在保持形态滤波性能不变的前提下使其计算效率提高了50％-70％；发展了一种快速的双门滤波方法，该方法利用两个与图像一样大的二维数组来保存中间结果，这两个数组的元素值分别代表图像左上角所有像素的和与平方和，则计算目标门和背景门的均值和方差时可将MXN次加法和一次除法简化为两次减法、一次加法和一次除法运算，从而大大减少运算量，本算法的计算量理论上仅为传统双门滤波运算量的3/M*N，且计算量不会随目标门、背景门尺寸的增加而增加(M、N分别代表背景门的高度和宽度)；发展了一种空间高通滤波器，该滤波方法克服了一般高通滤波方法不能确定滤波器截止频率的缺点，可以根据实际的噪声频率来确定自己的截止频率，从而提高了高通滤波的性能。　　 ⑵在图像分割方面：针对最大类间方差分割方法对小目标分割性能下降的问题，提出了一种改进的最大类间分割方法，该方法排除大量低灰度背景后，在剩下的灰度区间内对其用最大类间方差进行分类，由于排除了大量的低灰度，使得目标在所剩的灰度中比例增大，因而取得了很好的效果；根据实际的工程需要，提出了一种改进的m+kσ确定分割门限的方法(m，σ分别表示图像均值方差)，该方现确定一个分割点数的上下限，并在此限定内自动选取k值。实验证明该方法具有运算量小，分割效果优秀等特点。　　 ⑶在目标检测方面：提出了二值统计滤波和投票表决相结合的目标检测方法，实验表明，该方法在极低的虚警概率下具有很高的检测概率；提出了方向加权的动态规划小目标检测方法，该方法在目标信噪比很低的情况下具有较大的优势。　　 ⑷在目标跟踪方面：本文在分析传统概率数据关联的基础上，结合目标灰度、大小和运动信息，改进了一种基于概率数据关联滤波的小目标跟踪技术，即将目标的灰度、大小和运动信息通过灰关联的方法将多种特征融合在一起，利用多种特征融合来求取关联概率，该方法不仅简化了关联概率的求取，同时还减少了点迹——航迹关联的不确定性，提高了目标跟踪的实时性和可靠性，实现了目标的稳定跟踪。　　 ⑸针对小目标检测与跟踪技术中的难点和关键问题，利用目标在序列图像上表现出来的灰度、形态和运动特征，运用空间高通滤波、改进的m+kσ分割、二值滤波、投票表决方法及概率数据关联滤波等各项综合技术，研究发展了低信噪比小目标检测与跟踪方法。通过多次外场试验表明，本文所研究发展的技术大幅度提高了光电探测系统对小目标实时提取和跟踪能力。