红外小目标的相关研究在**领域的制导、预警和边防间谍无人机检测中极其重要。针对红外 小目标的跟踪研究, 本文提出了一种基于超分辨率增强与在线检测 DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先, 基于融入红外图像特征的超分辨率重建算法对原始图像进行更新, 增强了弱小目标, 然后, 增强的图像被用作基于在线检测DSST算法的输入, 得到响应映射, 估计目 标位置。实验结果表明, 与几种最新算法相比, 该算法在准确性方面表现出色。

为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度，提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解，以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息; 设计了转移受限粒子滤波跟踪算法，以提高粒子的采样概率; 在转移受限粒子滤波框架下，基于判别稀疏表示和L1范数最小化框架求解候选目标的稀疏系数，实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证，实验结果表明，所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标，其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps，均优于其他对比方法，且具有较强的鲁棒性。

针对星空背景下卫星跟踪中运动小目标与伪目标交会造成的跟踪漂移问题,提出一种基于多域卷积神经网络(MDNet)与自回归(AR)模型的空中小目标自适应跟踪方法。 对用MDNet采集到的图像序列第1帧的正样本进行bounding-box回归模型训练;再训练用最小信息准则和最小二乘法确定阶数和参数的AR模型,估计目标运动轨迹并预测目标位置;最后,将该目标位置作为MDNet的采样中心,约束采样候选区域,用bounding-box回归模型调整目标位置。 实验用8种跟踪方法测试了8组场景复杂的视频序列,结果表明,本文方法的成功率及平均覆盖率均显著高于其他7种典型算法,具有较高的精确性和稳健性。