红外成像制导技术拥有探测精度高,隐蔽性强,能适应复杂作战场合,适合远距离作业等特点；与激光,雷达等其他制导系统相比,它显示了在夜间,雾霾天气,以及恶劣环境下极强的作战能力；红外成像制导技术在军事应用中发挥着重大的作用,作为红外制导的关键技术,红外小目标的检测与跟踪是世界各地学者研究的热点。在红外制导系统的工作过程中,需要尽早获得目标信息,因此要远距离接收目标辐射的红外信号,导致在拍摄好的红外图像上,目标呈现小目标的特性,并通常以点的形式存在；加上大气云层,地面建筑物辐射,以及设备噪声的干扰,使得红外小目标的边缘常被背景杂波模糊,几乎没有自身的纹理特征。当红外图像中的噪声、高频背景的性质与红外小目标十分类似的情况下,小目标的检测与跟踪都是一个难题；许多专家学者对这些问题进行了研究,并提出了一些新颖有的小目标检测方法。本人在学习前人研究成果的基础上,研究了单帧红外小目标检测与跟踪算法,主要工作如下：1由矩阵低秩恢复理论可知,在保持剩余部分具有稀疏特性的情况下,可将一个图像矩阵的低秩部分恢复出来；原始红外图像中,背景像素与其周围像素之间具有较强的相关性,在整个图像中处于低秩部分,而噪声和目标与周围像素之间的相关性相对较弱,相应地占据着图像中的高秩部分。因此,将原始图像分为子块后,将其按秩进行分层后,背景处于低秩部分,混有噪声的目标图像处于高秩部分。根据各个图像层之间的图像熵的不同,可以将图像层中包含目标的层自动挑选出来,最后滤除噪声就能达到最终的检测结果。2基于facet模型创建一阶修正导数,调节导数信息中的高频部分,得到多方向的导数图像,然后利用有效的融合方法进行多图像的融合,得到小目标增强图像。最后基于红外小目标的类高斯特性,运用二维高斯函数产生训练模板,并运用PCA算法得到训练样本集的特征空间,并将获得小目标增强图像的子块在特征空间的投影,并利用欧氏距离来判断其是否属于红外小目标,最后达到小目标识别的目的。3提出一种基于邻域背景估计的单帧红外小目标检测算法,并将此算法与卡尔曼预测算法结合,形成一种有效的红外小目标跟踪算法。其中检测算法的步骤为：将原始红外图像中的每个像素点的灰度值,用周围像素点灰度值的线性加权和来替代；背景像素之间的相关性很强,若用周围像素点的加权和来替代,替代后的像素值与替代前的像素值差别很小。目标像素与周围像素之间的区别很大,相关性很弱,用周围点的加权平均替代后,得到的像素值与自身的像素值差别大,但与周围的像素的灰度信息相近,因此可以达到背景估计的目的。这里采用的加权方式,不仅考虑到了周边像素点对中心位置像素点的影响,还考虑了以各个像素点为中心的图像子块对中心像素的影响：用周边子块与中心子块的高斯加权距离来判定权值的大小,距离越大权值越小。该算法能尽量实现背景中细节部分的预测,将其与原始图像差分后可得到小目标增强图像。对所得差分图像阈值处理,就能相应得到目标初始位置,为后续卡尔曼预测与检测算法的结合奠定基础。在所有的初始信息都给定的情况下,利用卡尔曼预测得到下一帧中小目标的位置,同时再设定合适的搜索区域,而不是进行全局搜索,有利于算法的硬件实现以及实时应用。