随着红外探测器件的技术发展,红外探测作为可见光探测的有效补充或替代,在各个领域的应用也来越广。基于目标红外特性的目标探测及跟踪技术也成为业界研究的热点。通常情况下,红外目标相对于背景具有较好的强度和对比度,但是在红外目标探测识别系统的实际应用中,如果目标由远及近,总是希望能够远距离就捕获目标,并锁定真实目标;如果目标由近及远,希望目标不受云层干扰,或者受到云层遮挡,出云后能够再次被捕获,延长稳定跟踪目标可探测的距离。因此,基于远距离极限情况下的目标就成为弱小目标的特性,它的有效检测和稳定跟踪就成为提升设备性能的关键技术。基于上述需求,本文主要针对云层干扰下的红外弱小目标检测和目标数据关联两项关键技术开展研究,主要工作如下:(1)对红外弱小目标图像特性进行分析,总结了天空背景下红外弱小目标检测跟踪的主要难点。并对红外图像的预处理技术进行研究,利用模板大小为1*3的中值滤波算法来处理红外图像中的孤立噪声点。使用Top-hat算法、多结构元素Top-hat算法、谱残差算法和多尺度灰度差算法分别对红外图像进行背景抑制,并通过对处理结果进行比较,选定多结构元素Top-hat算法抑制云层背景。(2)为了提高低对比度红外图像中的正确检测率,本文在实际云层背景下的红外目标检测中,采用了一种基于多尺度空间和轨迹关联的红外弱小目标检测算法。该算法利用高斯拉普拉斯算子建立多尺度空间,通过搜索局部极值点获取候选目标位置和尺寸,然后利用帧间关联信息排除虚假目标,确认真实目标。并通过实验证明了该方法在正确检测率和虚警率上的有效性。并在最后对该检测算法进行了硬件逻辑设计,从而实现在现有平台FPGA上的移植。(3)为了提高红外多目标跟踪过程中的跟踪准确率并降低ID转换率,本文采用了基于卡尔曼滤波的红外弱小多目标跟踪算法。该算法利用阈值分割法获取目标的位置等信息,采用卡尔曼滤波和匈牙利算法这两种经典但非常有效的算法分别处理了运动预测和数据关联这两个多目标跟踪过程中的关键问题。并通过实验证明了该算法在跟踪准确率、ID转换率以及速度上的优越性。