随着人类社会的不断发展,在工业化生产的过程中会产生许多对环境和人体有害的气体污染物,但是许多气体都具有无色无味的特性,并且通常随时间快速扩散,这使得普通的成像传感器难以对其分布情况进行监测。由于热红外遥感技术的快速发展,近些年来人们能够以较高的时间分辨率获取热红外波段的高光谱视频图像,而许多气体在热红外波段有着独特的光谱特性,因此基于对热红外高光谱视频图像的处理,人们可以对成像场景内的气体分布进行有效的监测。本文的主要工作是研究红外高光谱视频图像中气体目标的监测方法,主要由以下三个方面构成:首先,本文从红外高光谱气体成像模型出发,研究了热红外辐射的基本原理,介绍了热红外波段高光谱图像的成像过程。通过分析气体目标对于红外辐射传输的影响,构建了相应的辐射光谱混合模型。针对高光谱视频数据,为实现对它的有效表达和利用,介绍了基于张量的视频数据表示模型。然后,研究了红外高光谱视频的气体检测技术。基于辐射光谱混合模型,分别研究了基于子空间模型和光谱解混的单帧气体检测技术。为了利用高光谱视频数据的帧间相关信息,将其看作随时间不断扩张的四阶张量,提出了基于累积张量CP分解的气体检测方法,能有效提高对各帧中气体目标的检测性能,同时为后续的气体跟踪任务提供关键帧信息。最后,为实现视频数据中气体目标的动态跟踪,本文先是将经典的鲁棒主成分分析应用于视频数据的处理中。然后针对鲁棒主成分分析方法中假设背景始终固定的问题,研究了基于增量非负矩阵分解的气体跟踪方法,在气体跟踪过程中实现背景的动态更新。为实现对高光谱视频数据时-空-谱信息的综合利用,提出了基于时序张量分解的气体跟踪方法,通过对每一帧图像对应的三阶张量进行成分分解,有效提升了对气体目标的跟踪性能。