光电目标探测技术是精确制导和目标定位系统的重要组成部分,多年来大量研究工作围绕目标检测和跟踪技术而展开。某大视场光电探测系统采集到的红外图像中存在大量烟雾遮挡、目标细节不清晰、高亮度干扰物众多等复杂情况,使低空目标的检测确认和地面目标的跟踪面临诸多困难。本文以该系统需求为背景,开展了大视场复杂背景下红外目标检测跟踪的若干关键技术研究,全文主要分为三个部分:第一部分开展了高位宽红外图像动态压缩算法的研究,并分析了本文的目标特性。首先,介绍了光电分系统的组成结构。其次,结合实际工程需求设计实现了一种基于引导图像滤波(GIF)分层处理的高位宽图像压缩算法,并用实测数据验证了该算法能够在保持对比度的同时增强目标的边缘细节。最后分析了大视场低空飞行目标和运动面目标的特性。第二部分开展了低空飞行目标单帧检测和确认算法的研究。首先,介绍了常用的目标检测算法。其次,针对本文目标的特点提出了一种基于双尺度滤波的单帧目标检测算法,通过实验证明该算法能够准确地分割目标,且虚警数量较少。最后,在单帧检测结果的基础上,提出了一种基于鉴别逻辑设计的分阶段目标确认方法,并通过不同情况下的实测数据验证了算法的有效性。第三部分开展了复杂背景下运动面目标跟踪算法的研究。首先,介绍了核相关滤波(KCF)算法的基本原理。其次,针对核相关滤波在相机抖动和遮挡后容易丢失目标以及不具有尺度自适应性的缺点,结合GIF滤波和SAMF算法设计出一种基于改进核相关滤波(IKCF)的运动目标跟踪算法。最后,通过实验验证了本文算法能够应对目标在运动过程中的模糊、尺度变化和短暂消失等情况。