红外目标跟踪应用广泛,是光电测控、航空航天、安防监控等领域的核心技术。但红外目标跟踪是一个复杂而困难的课题,在实际跟踪过程中,目标可能出现各种复杂情形,包括低对比度、尺寸变化、遮挡、干扰以及光照变化等。为了实现稳定跟踪,要求算法能够对这些情形具有一定的适应性。由于目标大部分时间都在天空背景下运动,多数呈现面目标、小目标形态,目标往往存在动态变化,且红外探测器存在较高的噪声,同时存在局部坏点,当目标弱小时难以区分;在天空背景中,干扰目标的因素主要为云层背景,目标存在靠近云层、被云层遮挡、进入云层变弱、穿出云层等过程,这也是实现对目标的稳定跟踪所需要解决的。本文主要结合天空背景下红外目标的特性,研究适合于天空背景下红外目标跟踪的算法。Struck算法是一种基于在线学习的目标跟踪算法,通过在线训练分类器,对图像中候选样本进行分类,达到跟踪的目的,对于目标跟踪中各种困难情形均表现出良好的适应性。本文深入研究Struck算法原理,并且对算法性能进行综合分析,在Struck算法的基础上实现了天空背景下红外面、小目标的稳定跟踪,主要的研究内容有:1)对天空背景的红外图像特性进行深入研究,分析了天空背景特性、目标特性以及噪声特性对于跟踪的影响,总结了天空背景下红外目标跟踪的主要难点。2)研究了天空背景下红外面目标的跟踪问题。对常用红外面目标跟踪算法的性能进行综合实验分析,拟定了基于Struck算法的跟踪方案,并基于Struck算法提出了一种对于目标尺寸变化和目标遮挡自适应的跟踪框架。实验证实,该算法框架应用于天空背景下红外面目标跟踪时具有较高的鲁棒性。3)研究了天空背景下红外小目标的跟踪问题。首先研究了常用的红外图像预处理算法,然后结合红外图像预处理算法和Struck跟踪算法实现了天空背景下低信杂比红外小目标的稳定跟踪。4)研究了Struck算法的实时性优化问题,提出了两种实时性优化方法。实验证实,基于非全采样的实时性优化方法能较大地提升算法的处理速度,而不降低跟踪精度;结合中值流的算法框架应用于具有一定边缘、纹理特征的目标跟踪时,也能显著提升算法的运行速度。