在图像制导领域,通常用增加红外焦平面阵列像元数目的方法来提高成像分辨率,这为成像设备带来了:制造成本提升、各像元的红外响应不均匀、读取电路复杂等一系列问题。基于压缩感知技术的成像设备,降低了采集相同分辨率图像所需的像元数量,可以有效的解决这些问题。然而传统的压缩感知数据处理方法需要在检测追踪目标之前重构原始图像,重构计算占用了大量的计算资源并且对系统的实时性造成了影响。本文以提高目标检测算法的实时性为目的,研究了压缩感知图像的免重构目标检测方法;为形成完整的基于压缩感知的目标检测追踪系统,本文进一步研究了局部重构的目标追踪方法,以及在目标遮挡情况下的追踪方法。主要研究工作如下:针对完全重构原始图像的红外目标检测追踪框架实时性较差的问题,提出一种全局免重构目标检测、局部重构目标追踪的方法框架。该框架利用分块压缩感知对视场进行分割,利用分块采样结果的统计特性和相邻分块之间的关联特性,直接对目标进行检测,以此提高目标检测的实时性。获取检测结果后仅重构目标区域的分块并在区域内进行追踪计算,使得该框架既可以充分的利用图像信息精准的追踪目标位置,又可以避免重构全部图像带来的大量计算。在此基础上,对分块压缩感知中的分块尺寸、压缩率等关键参数进行了分析,并得出分块尺寸与数据压缩率和图像复杂程度的关联关系以及分块尺寸的参数选取原则。仿真结果表明,本文提出的目标检测框架检测精度对于分块尺寸较为敏感,若选择合适的分块尺寸,则检测精度与传统检测框架大致相当,但检测速度大幅提高。相比较完全重构的目标追踪方法,局部重构图像后追踪的计算速度也得到显著提高,而追踪精度没有显著差异。在全局免重构目标检测中,传统红外点目标检测算法通常基于目标灰度高于局部背景区域灰度的假定,无法适应复杂的实际环境,尤其是视场中同时存在亮目标和暗目标时,无法做出适当的处理,导致检测效果不佳。针对这一问题,提出一种基于图像亮度显著性的局部分段对比度测量算法。该算法首先利用局部区域的数值对全部数值范围进行分段,通过判断待处理数值所在的分段区间,使用有针对性的显著度计算函数分别对亮目标、暗目标和背景噪声做出相应的处理。在此基础上,对改进模型的精度和计算复杂度进行了分析并完成仿真实验验证,仿真结果表明本文提出的局部分段对比度测量算法可以有效的针对亮、暗两类目标的不同特性选择合适的处理方法并达到较高的检测率和较低的误检率,提高了检测算法的精度,与较有代表性的六种传统算法相比,局部分段对比度测量算法的检测精度略高于形态学滤波方法,远高于其余五种算法。从计算速度上说,本文提出的算法计算速度远高于局部对比测量算法。在局部重构目标追踪中,针对受到背景障碍物严重遮挡时,实时更新目标模板库导致的目标模板污染问题,提出一种抗遮挡目标追踪策略,并以此策略为基础,结合时空上下文追踪算法提出了鲁棒时空上下文追踪算法。该算法根据检测目标区域空间上下文信息的变化对目标行进路线中的遮挡物进行预测,然后通过检测目标区域灰度直方图的变化对遮挡状态进行确认,确认遮挡后保存目标的运动状态信息和模板信息,确保目标状态与模板库不受污染;在目标通过遮挡物时利用运动状态对其轨迹进行预测;在目标重新出现后利用保存的模板库捕获目标。仿真结果表明,该异常检测机制对遮挡物、目标机动敏感,并能够准确的确认遮挡状态。增加抗遮挡机制的算法处理短时完全遮挡问题时,可以有效的利用遮挡前信息重新捕获目标,其中心误差低于另外九种主流追踪算法;目标覆盖率高于原始算法和另外九种主流追踪算法。在处理长期完全遮挡问题时,目标特性在遮挡过程中发生了变化,重新锁定目标失败,但正确的预测了遮挡事件的发生。