在军用和民用监视系统如红外搜寻与跟踪系统中，随着其应用范围的进一步扩大和智能化程度的不断提高，从给定数据流中能够检测出目标并能跟踪目标状态的计算机算法就形成了一个研究热点。早期的观测数据流多半是一维信号，随着红外成像传感器技术的进一步发展，数据流就变成了可见的图像序列。这样，图像信号为从测量数据流中检测运动目标提供了较丰富的信息。不幸的是，由于大多数红外系统所能提供的信噪比增益是受到具体应用视场覆盖率的限制，故监视系统能够检测和跟踪的也就定为那些强，而且大的目标。远距离监视要求和现代凝视型红外焦平面摄像技术的高帧速及宽视场光学特点，将研究点转移到了以不同速率运动的微弱目标检测和跟踪问题上。如果目标出现在强杂波环境中，则检测与跟踪随之变得十分困难。当然，这对红外搜寻与跟踪系统来说，也是一大挑战。作为（指令，通信，控制和信息）板上系统的一个组成部分，IRST系统是一种宽视场监视系统，为自主搜索、检测、识别和跟踪指定目标而设计的。其检测能力主要表现在其信号处理部分，它对传感器送入的高帧速数据流进行匹配滤波处理后，再传递到后处理部分（跟踪器）进一步确认和延续目标的可能状态。检测器必须检测出足够的目标以便满足系统的检测概率要求，同时必须减少虚假目标数目，避免出现跟踪失败，使系统总的虚警率保持一个可接受的范围。为做到这一点，需要研究出相应的信号处理技术和算法，在二元判决前，在消除背景杂波和系统噪声的同时，也要提高目标能量。同时，还需要开发出行之有效的跟踪技术和算法。本文的焦点是在各种各样的场景中，在短时间内，所关心目标的亮度保持不变，并且目标做直线运动的假设下，研制出鲁棒、有效的杂波抑制，目标检测与跟踪技术。本文研究内容虽然针对IRST系统实现上，但是这些技术还可以用在其它如可见光信号处理、雷达等目标检测与跟踪技术领域。主要的研究成果包括：i. 一种基于层次模型的图像全局运动鲁棒估计技术研究： 因摄像机颤动而引起的全局运动是在图像序列中普遍存在的。这个因素在图像中将产生平移，旋转以及视差畸变等后果。所以，图像校正过程也就成了在运动分析和分割中关键而不可分隔的一部分。全局运动是可以用含有几个参数的模型来表征如六参数，八参数模型等。本文采用回归技术来估计那些参数，它首先估计局部运动，然后使最小二乘估计的条件下，用局部信息来估计全局运动。在估计局部运动时，为<WP=8>去除奇异点，提出了叠代排除法。为了解决快速图像全局运动，采取了一种基于层次模型的处理方法，即首先原始图像序列用亚采样的办法划分成具有金字塔式分辨率的多个子图像，使得每一个子图像运动相对小些，然后在每一个子图像中估计出运动模型参数。原图像的运动参数通过计算所有子图像运动参数加权和获得。这种技术具有计算量少，实现简单，性能可靠等优点。ii. 基于非参数的静态杂波抑制技术研究：非参数回归是研究从掺噪观测数据中函数（背景杂波）估计的最佳方法。在非参数回归中，往往没有关于要估计函数的任何先验知识。为解决此问题，本文提出了两种可行的办法：局部加权回归估计和小波回归估计法，并详细描述了非参数回归如何将原始传感器数据变换成“信号加噪声”模型。另外，杂波抑制后，残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证，其结果表明此技术路线的有效性和可行性。iii. 一种动态杂波抑制技术研究：在低信噪比（SNR）下，杂波抑制是信号检测的重要环节，是有效的信号增强手段。大多数研究集中于静态杂波的去除上，这与实际情况不符。本文研究了一种红外图像序列动杂波时空非参数抑制技术，相应算法实现简单，实时性好，具有实用价值。动态杂波去除后，原来在时间和空间上都互相关的数据变成独立同分布变量的集合。动态杂波抑制后，残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证，其结果表明此技术的有效性。iv. DBT 和 TBD 技术性能比较分析: 首先给出了TBD和DBT过程模型。然后，对TBD和DBT过程进行了性能比较。比较项目包括计算量，两者所需最小SNR和信噪比增益以及这些参数之间的关系等。分析和实验结果表明，在低信噪比条件下，TBD优于DBT过程。在高信噪比环境下，DBT以计算量少、算法简单等特点却优于TBD过程。v. 一种基于时空分集与线性合并的TBD技术：TBD的实质是一种目标增强技术。它根据所假设的运动，在可能的运动轨迹上对目标能量进行累加。运动轨迹搜索本来在时空三维空间中进行的，其缺点是搜索时间长。为克服这一缺点，本文采用投影的方法，将杂波抑制后的时空三维图像投影到二维空间中，得到组合图像。然后，在二维空间中进行轨迹搜索并进行目标能量累加。在进行投影和累加操作时，本文采用无线通信系统中常用的分集与线性合并法：使用选择式(或均等增益)合并法来实现从时空三维图像向二维空间的投影；而在可能的轨迹上进行目标能量累加时，则使用均等增益合并法。<WP=9>vi. 一种基于时空分集与非线性合并的TBD技术：本文从待二?