图像分割是数字图像处理和计算机机器视觉领域中十分重要的内容之一,是实现图像分析和目标跟踪的首要问题,也是图像处理的经典难题之一。图像分割的质量直接影响后续的目标跟踪的效果。论文首先阐述了图像分割以及目标跟踪技术的背景和现状,然后分析图像分割中的一些传统方法的关键技术,并引入图像分割评价函数,通过实验对比分析各类分割方法的优缺点。针对经典方法分割性能的不足,本文设计并实现了一种适合复杂背景的红外图像分割方法。实验证明,该方法相比经典分割方法具有更好的性能。基于图像分割的基础,本文结合帧内、帧间相关性进行目标跟踪的算法研究,设计并实现了基于Kalman预测跟踪器和基于Mean-Shift算法的匹配跟踪器。实验证明这两种跟踪器都可以实现指定目标的跟踪,但是Mean-Shift具有更好的稳定性能。最终,在目标跟踪算法理论研究的基础上,进一步将算法在以DSP+FPGA为核心架构的高速图像处理系统中加以实现。系统的软硬件设计兼顾算法的实时性和有效性进行一定的优化。实测结果表明该系统满足可靠性和实时性的要求。