作为红外自寻的制导、搜索跟踪和预警等领域的一项关键技术,红外小目标检测与跟踪成为了红外图像处理领域中一项历史悠久且又充满活力的研究课题。对于实际的武器系统来说,如何充分发挥红外目标检测技术的优势,尽可能提高目标的检测距离,以争取在最有利的时机获取来袭目标的相关信息成为决定现代战争胜负的重要因素。距离越远,目标成像面积就会越小,且其遭受复杂背景和杂波影响的可能性就会更大,所以相比于其它红外目标检测与跟踪问题而言,如何实现复杂背景条件下红外小目标对象的稳健检测和跟踪就成为了一项更具实际意义和挑战性的研究课题。本文在一个全新的理论框架下探讨了复杂背景条件下的红外小目标检测与跟踪问题,可从整体上为该领域的其他研究者提供一条新的研究思路。遵循传统的研究步骤,本文将红外小目标检测与跟踪问题分解为图像预处理、小目标检测和小目标跟踪三个阶段分别进行了研究。本文首次提出了关于“红外背景复杂程度”的基本概念,探讨并论述了一类有效的红外背景复杂程度定量描述办法。紧接着,提出了一种基于红外背景复杂程度描述的自适应Butterworth高通滤波方法,由此可实现具备一定普适性的红外图像预处理。在小目标检测问题的研究中,本文构造并实现了一类更具实用性的DBT(先检测后跟踪)小目标检测算法,从而在一个完整的框架下实现了红外图像预处理过程和小目标检测过程的自适应统一。在小目标跟踪问题的研究中,提出了一种融合了“基于滤波、数据关联”跟踪框架和“基于目标建模、定位”跟踪框架优点的红外视频序列中小目标跟踪算法。整篇论文的论述过程紧密地围绕着红外背景复杂程度这一基本概念展开,充分地体现了研究思路和方法的完整性和独特性。具体而言,本文的创新之处主要体现在如下几点:(1)首次提出了关于红外背景复杂程度的基本概念。由此概念可实现对实际红外视频序列中小目标的不同复杂背景简洁而统一地描述。在此基础上,本文又提出了一条实现红外复杂背景条件下图像预处理任务的新思路。(2)我们探讨并定性地论述了“加权信息熵”指标和改进的“方差加权信息熵”指标对于红