随着民航业的高速发展，机场场面运行环境日益复杂，安全运行压力与日俱增，而现有的监视系统在夜视、雾天等条件下的监视可靠性将会下降。本论文针对低能见度条件下的场面监视问题，研究基于红外图像的目标跟踪算法，旨在为全天时、全天候条件下的机场场面监视系统的构建和智能交通的实现提供思路和参考。本文主要研究内容如下：对红外图像的成像原理以及图像特性进行了分析，针对红外图像固有噪声和灰度分布非均匀性问题，利用引导滤波进行预处理。对多种预处理算法的对比分析表明，引导滤波能够在有效滤除噪声、改善灰度分布非均匀性的同时完整保存目标轮廓细节和场景中的强边缘，且处理速度很快，是一种有效的红外图像预处理算法。实现了一种视觉跟踪领域常用的Mean-Shift算法。以颜色直方图对目标进行建模，以Bhattacharyya系数进行模式匹配度量，迭代计算跟踪中心的最优位置，然后以颜色模型中子模型的贡献度为基础进行选择性更新。实验结果表明在目标尺度变化、遮挡等复杂情况下Mean-Shift算法的定位准确性会下降，出现漂移现象。针对现有算法目标表征不准确带来的模型失真和跟踪漂移问题，实现了一种基于抠像技术的红外图像目标跟踪算法。首先手动获取目标准确区域，自动生成局部抠像框，采集目标、背景的代表颜色集合；基于颜色集合自动生成抠像所需的约束草图，完成对目标区域的抠像；最后对抠像产生的前景映射图进行边缘检测即可获取目标轮廓，实现目标的准确定位和模型的高质量更新。实验结果表明，抠像跟踪算法充分利用了红外目标的颜色、轮廓信息来表征目标和更新模型，避免了漂移问题，比Mean-Shift算法具有更好的目标定位精度，且能够在目标尺度变化、遮挡等复杂情况下保持有效的跟踪，体现了良好的跟踪准确性和环境适应性。设计并实现了一套基于抠像算法的跟踪验证系统。实验表明，验证系统能够在多种环境下对单目标进行准确的跟踪。