随着世界各国对于海洋领域的日益重视,基于海面背景的各项研究也变得尤为重要。作为现代检测技术的重要分支,采用图像处理手段实现海面目标的检测和跟踪,可以更快速、智能地获取目标的相关信息。因为海面背景具有时变性和随机性,所以需要更先进的检测方法来提高目标检测的速度和准确度。本文主要针对海面背景下的小目标,通过图像处理方法,实现目标的检测和跟踪。本文主要研究内容如下:首先,通过无人机搭载热成像云台相机获取基于海面背景的实测红外数据,并从红外成像特性的角度分析实测数据。根据实测红外图像的特点,提出了一种基于海天线的背景分割方法,实现了对原始红外图像感兴趣目标区域（Region Of Interest,ROI）的提取。在减少无关背景干扰的同时,可以极大地缩减后续检测算法的耗时。然后,通过分析红外小目标目标与海面背景的特征差异,提出了一种基于块对比度加权的红外小目标检测算法（Weighted Patch-based Contrast Measure,WPCM）,使用块对比度和局部熵两种特征实现小目标检测,再通过视觉转移机制得到目标的定位。在检测结果的基础上,对小目标进行轮廓补偿,计算其外接矩形的比例特征,通过比例特征实现海面背景下常见的船目标和浮标目标的大致分类,增强了算法的实用性。仿真结果表明,本文提出的算法对近海的海杂波、船尾迹和高亮度像素噪声（Pixel-sized Noises with High Brightness,PNHB）等干扰有着较好的抑制效果,面对不同的海面环境也能得到较高的信杂比增益。最后,针对单帧检测算法没有利用到目标帧间运动信息,在处理复杂场景不够鲁棒的特点,提出了一种基于红外显著性特征和加速稳健特征（Speeded Up Robust Features,SURF）的特征融合型粒子滤波跟踪算法。采用多特征融合的方式建立相应特征观测模型,通过目标模板和候选模板的相似性差异计算粒子权值,最后通过粒子的位置信息和权值大小估计出目标状态。本文提出的算法对于实测数据集中的运动船目标具有稳定的跟踪效果。