基于红外探测技术的目标检测和跟踪系统，属于无源被动探测系统，在探测过程中不向外界发射任何能量，使其具有反侦查能力强、工作时间长和适应复杂环境的优势，在防空预警和导弹制导等军事领域得到了广泛的应用。因此，研究在复杂背景下红外图像目标的智能跟踪和检测的算法，不但可以在理论层面上实现算法的突破，也可应用到实际战场中成为尖兵利器。本论文在深入研究国内外红外图像目标检测和跟踪技术的研究现状和研究发展的基础上，提出了一套在复杂背景下对弱小目标进行有效检测和跟踪的算法方案。在研究过程中所做的工作包括以下几个方面：首先，通过对红外光谱的分析，掌握红外光的概念；在此基础上研究红外成像系统的组成和工作原理，进而总结出红外成像系统特性；与可见光图像对比分析，通过直方图归纳总结红外图像的特性；对各类红外小目标以及背景的辐射特性进行分析；对影响红外图像质量的成像系统中的噪声进行归纳总结。然后，在对红外图像中目标和背景的特性分析前提下，建立了红外图像的数学模型，提出图像预处理的思路；在此基础上研究了时间域、变换域和空间域三大理论体系下的红外图像预处理算法，对其中应用较多的算法进行仿真，通过仿真实验比较分析各算法的滤波性能，并得出本文所采用的预处理算法。接着，研究红外目标检测中的两大类方法，比较分析两类算法的优缺点；结合本文中的目标特性，对先检测后跟踪方法中的阈值分割检测算法进行研究；结合遗传算法在寻优方面的优势，提出了改进的最大类间方差分割算法，利用遗传算法求解类间方差判决函数得到最优阈值，解决了原算法在寻求阈值过程中计算量大的问题。实验结果证明本文算法在保证检测精度的前提下，优化了阈值计算的复杂程度。最后，建立机动目标跟踪框架；研究贝叶斯理论、线性滤波技术以及非线性滤波技术；提出了一种改进的粒子滤波算法，在交互式模型框架下，建立三种目标运动模型覆盖目标所有可能的运动状态，并对不同模型匹配相应的滤波器，实现对算法结构的简化。仿真结果证明本文算法降低了跟踪过程中的均方根误差，提升了目标跟踪的精度，并具有较好的实时性。