红外成像技术隐蔽性好、抗干扰能力强且能全天候工作,被广泛应用于民用和军事领域。但红外弱小目标的成像距离远,背景杂波干扰严重,使得其成像信噪比低、结构信息不足,对红外图像预处理方法、弱小目标检测以及弱小目标跟踪方法的研究成为红外弱小多目标实时处理技术的关键,在红外制导等领域起到关键作用。本论文以实际科研项目为研究背景,基于FPGA+DSP架构实现红外图像的实时处理方法的设计与优化。红外弱小多目标图像背景杂波和噪声干扰严重,图像预处理至关重要,于是本文采用改进中值滤波来适应不同噪声类型和噪声密度,在改变滑动窗口长度的同时改变窗口形状,并保证以较小的窗口进行滤波。基于目标和背景特征,采用改进形态学背景抑制算法,通过尺度变化的半圈组合型结构元提取起伏变化的图像背景,实现背景杂波的有效抑制。在弱小多目标检测方面,结合带尺度因子的点扩散模型,在拉普拉斯高斯尺度空间下表示图像,初步确定目标位置和大小,通过各向差异度均值的阈值判断提取出所有可疑目标,再根据目标大小结合各向差异度实现真实目标的检测。在弱小多目标的跟踪方面,为了实现可靠跟踪,匹配不同数据更新速率的滤波器,对低速运动目标匹配均值漂移卡尔曼滤波器,而高机动运动目标匹配改进均值漂移粒子滤波器,并进行交互式融合,得到目标跟踪结果,而为了实现多目标的可靠跟踪,通过结合马尔可夫随机网络,考虑了各个目标的相邻目标的状态,估计出每个目标最大联合后验概率,更新滤波器参数和粒子权值,进行多目标位置估计。基于红外实时图像处理平台,通过算法移植,对分辨率为640*512的中波红外相机连续拍摄的大量数据进行实时处理,处理结果表明,在图像预处理方面,本文采用的改进中值滤波噪声平滑算法和改进形态学背景抑制算法具有较好的处理效果和实时性;在多目标的检测方面,本文采用的基于尺度空间的各向差异度检测算法相比已有算法,鲁棒性更好,具有更高的检测率,同时单帧的平均处理时间小于5ms,满足处理实时性要求;在多目标的跟踪方面,对于本文采用的结合马尔可夫随机网络的多模型改进卡尔曼粒子滤波方法,其跟踪正确率是传统交互式多模型算法的3倍,处理速度能达到72帧/S,跟踪可靠性高、实时性好。综合而言,本文的红外弱小多目标实时处理方法可靠,有很高的实际应用价值。