随着军事技术的快速发展,红外弱小目标的检测与跟踪技术在红外预警、精确制导、远程目标检测中发挥着重要的作用。在复杂地空背景下进行远距离红外探测时,图像中目标比较弱小、纹理信息不明显,难以与背景区分,同时强边缘信息及成像噪声易对目标造成干扰,因此红外弱小目标检测与跟踪算法既要准确地提取真实目标,又要排除干扰稳健地对目标进行跟踪,达到鲁棒的场景适应性,这仍然是一个有挑战性的问题。为此,本文对复杂红外图像序列中的弱小目标的检测与跟踪开展深入研究。论文的主要工作和创新如下:分析了红外弱小目标图像中背景、噪声和弱小目标的特性。在红外弱小目标图像中,背景往往占整幅图像的绝大部分,其灰度变换缓慢,在空间上呈现显著的相关性;噪声与背景无关,在空间中随机分布,帧之间不具有相关性,符合高斯分布;目标比较小,占比小于整幅图像的0.12%,有较少的纹理信息,呈现亮斑状,类似高斯分布。根据背景和目标的特性,可以认为背景具有低秩性,目标具有稀疏性。提出了一种基于低秩和重加权稀疏表示的红外弱小目标检测算法。首先利用结构张量提取局部先验信息权重,同时提取目标矩阵的自增强稀疏权重,融合权重信息,并以加权1L范数描述目标矩阵的稀疏性;然后以γ范数描述背景矩阵的低秩性;以L2,1范数来描述噪声矩阵;最后构建图像的低秩稀疏表示模型,通过ADMM优化算法对模型进行优化求解,输出最终的目标矩阵,并通过阈值分割后处理得到检测目标。大量实验证明了本文的检测算法有较好的优越性。提出了一种基于运动特征和深度表观特征的红外弱小多目标跟踪算法。首先利用卡尔曼滤波提取弱小目标的运动特征,并通过卡尔曼滤波进行目标位置的预测;其次,为了缓解漏跟踪、误跟踪和ID转换等问题,设计了一个孪生卷积网络（Siamese-CNN）进行弱小目标深度表观特征的提取;最后,将运动特征与深度表观特征相结合构建距离度量,利用匈牙利匹配算法进行数据关联。通过大量的实验表明本文提出的算法能有效的进行目标跟踪,且表现出较好的性能优越性。