红外成像制导已成为精确制导领域的一个重要发展方向。研究红外图像的增强、分割及目标跟踪技术对于提高红外成像制导系统的性能具有重要的意义。本文在现有成果的基础上研究了红外图像的增强、分割及目标跟踪技术,主要工作如下:首先,讨论了一种基于平稳小波变换和Retinex的红外图像增强方法。对红外图像平稳小波变换后的最大尺度低频子带图像进行多尺度Retinex增强,并根据最大尺度低频子带图像的局部对比度增强高频子带图像。该方法获得了较好的图像增强整体效果,对于亮度不均匀的含噪图像,增强效果尤为明显。其次,给出了一种基于NSCT和模糊逻辑的红外图像增强方法。利用NSCT对原始红外图像进行分解,对低通子带系数采用模糊增强,对带通子带系数采用非线性增强。实验结果表明,该方法增强后的图像清晰度高,细节明显,视觉效果好。然后,研究了一种基于类内绝对差和混沌粒子群优化的红外图像分割方法。类内绝对差小能确保分割后类的内聚性好,背景与目标的面积差可抑制均等分割的趋势,两者综合构成更为合理的阈值选取准则函数。针对二维阈值分割计算量大的问题,利用混沌变异的小生境粒子群算法搜索最佳阈值向量。大量实验表明,该方法在分割效果和运行时间上都具有明显的优势。接着,研究了一种基于SIFT变换和RANSAC的红外目标跟踪方法。采用SIFT变换提取目标特征,利用欧式距离进行两幅图像中特征点的相似性度量,并利用RANSAC算法剔除误匹配点,通过仿射变换确立匹配点之间的映射关系,从而得到目标在跟踪实时图像中的精确位置。实验结果表明,该方法在准确性和实时性上均优于基于互信息测度的红外目标跟踪方法。最后,介绍了一种基于均值漂移和粒子滤波的红外目标跟踪方法。将均值漂移算法与粒子滤波算法有效结合,采用均值漂移算法对每个粒子迭代收敛,以较少的粒子准确地跟踪目标。实验结果表明,与均值漂移跟踪方法相比,该方法的跟踪精度更高,在目标短时间遮挡情况下能够稳定跟踪到目标。