当前，从国内外学者在红外跟踪目标的研究成果上看，根据目标检测与跟踪的先后次序，可以将红外目标检测分为两类，即先检测后跟踪算法和先跟踪后检测算法。先检测后跟踪算法可以分为两个步骤:首先利用目标的强度、边界、速度等特征信息，在红外图像中检测目标，然后用适当的跟踪算法，对检测到的目标信息进行跟踪得到目标的位置或者轨迹。从以上两个步骤可以看出，先检测后跟踪算法首要问题就是如何从红外图像中检测出目标的强度、边界、速度等特征信息。通常情况下，需要检测的图像都是信噪比较低，背景复杂的图像，这些图像为目标的检测工作带来了难度，所以适当的图像预处理操作成为先检测后跟踪算法中必不可少的步骤。8988
红外图像预处理一般包括平滑图像、抑制背景噪声、减少杂波的干扰、提高信噪比等方面，有效的预处理成为目标检测和跟踪的先决条件，只有提高了信噪比，减少了背景干扰才能更准确检测目标，并跟踪到目标。近几十年来，许多的红外图像预处理算法被提出，按不同的信号形式，可以将图像预处理分为时间域、空间域和变换域三类。
基于时间域的图像预处理技术在相对较短的时间内认为背景在时间文度上基本不变，利用这种特性对背景进行抑制。常用的时域差分方法就是利用这一特性处理背景的。  
常用的空间域图像预处理算法有中值滤波算法、灰度形态学滤波算法、二文最小均方误差法和偏微分方程法等。由于空间域图像预处理算法良好的实时性效果和便于硬件实现等优势，在实际的工程应用中占据着重要地位。滤波法是一种典型的非线性处理方法，它结构简单易于实现，能够去除图像中的灰度奇异点，常用于去除红外弱小目标图像中的背景和噪声。灰度形态学滤波算法的思想就是利用不同形态的结构元素在图像中提取相对应的形态，以实现识别目标的过程，背景抑制的效果完全取决于结构体的尺寸和形状。形态学滤波算法既保留了图像的基本特征，同时去除了不相干的背景图像。二文最小均方误差算法也是一种良好的图像预处理算法，利用背景领域的相关性和目标的奇异性，根据最小均方误差准则，估计出背景预测值，并利用预测值和原始图像的残差对加权系数矩阵进行修正，从而实现算法的自适应性。而偏微分方程法是利用目标信号空间位置与灰度值的关系，将图像归纳为背景、角点、边缘、纹理、噪声和目标点等，采用偏微分模型从八种基本模型中识别目标，抑制和平滑其余部分。
变换域图像预处理技术首先对图像进行变换，然后将目标信号和背景的灰度分布特征映射到变换域，再对其进行处理，最后将处理后的结果通过逆运算变换到空间域。频域高通滤波法是一种典型的变化域图像预处理方法，利用目标和背景分别对应图像中的高频和低频分量的特性，来抑制背景。小波分析算法也是背景抑制的典型算法之一，它具有良好的时频局域特性。[1]变换域图像预处理算法因为存在空间域与变换域之间的正逆变换，所以这类算法的运算量一般较大，且实现较难度 红外目标检测国内外研究现状:http://www.youerw.com/yanjiu/lunwen_7553.html