现代海战中，低空、超低空掠海导弹对舰船构成主要威胁。因此，对其实施有效防御已成为各国海军密切关注的重大课题。红外目标的检测跟踪是舰船和岸基警戒系统的关键组成部分。随着现代战争级别的不断升级，对红外目标的检测和跟踪也提出了更高的要求，既要保证较高的检测概率和较低的虚警概率，又要在较短的时间内做出判断乃至相应的反应。为了实现这个目标，在前人研究工作的基础上，本文提出了红外目标的检测与跟踪方法。 首先，根据图像中目标大小不同，本文提出了两种不同的检测方法。针对较大目标，在理解脉冲耦合神经网络(以下简称为PCNN)算法的基础上，文中提出了一种改进的PCNN算法，并与传统的Otsu算法、遗传算法进行了比较。实验结果表明，该算法能得到更完整的边角信息，而且耗时较少。 针对红外图像中的弱小目标，文中分析比较了五种时域、频域高通滤波的结果，根据滤波后图像的不同特点提出了两种可行的图像分割方法。而且，为了进一步提高检测概率、降低虚警概率，本文又采用了一种形态学滤波算法，进一步从分割后的图像中提取感兴趣的目标。实验结果表明，该算法快速、有效，易于硬件实现。 此外，本文将Kalman滤波与模糊算法相结合提出了一种小目标跟踪算法。利用Kalman滤波进行目标点的位置预测，在动态搜索范围内寻找匹配目标点，然后结合模糊理论进行记忆更新来确定目标可能度，实现了对运动物体的动态跟踪。