近年来，巡航导弹空地导弹等红外成像精确制导武器飞速发展，在现代战争中发挥了越来越重要的作用。基于红外成像的导引头在对地面目标进行跟踪时，常常会发生云层遮挡目标的情况，从而造成跟踪目标丢失。论文以KCF算法为基础，对随机云遮挡条件下地面目标的长时间跟踪问题展开了深入的研究。论文主要工作如下：
　　为了解决KCF算法对目标特征描述能力不强、不能适应目标尺度变化、搜索区域固定不变等问题，提出了一种融合颜色统计特征的尺度自适应核相关滤波跟踪算法。融合颜色统计特征能够更准确的找到目标的位置；尺度滤波器能够解决目标的尺度变化；搜索区域边缘的特征，用内部的特征延展代替能够加快算法速度。实验结果表明，该算法在复杂场景下能够更加快速准确的跟踪目标。
　　为了解决跟踪过程中出现云层遮挡导致跟踪失败的问题，提出了一种抗云遮挡的模板自适应更新核相关滤波跟踪算法。通过输出响应图的峰值和相关峰平均能量来判断目标是否被遮挡，当目标被遮挡时，停止更新模板参数；当目标被完全遮挡时，采用检测算法寻找目标；当目标尺度变化过大时，重新训练大尺度的模板。实验结果表明，该算法在云遮挡干扰的情况下能够长时间稳定的跟踪目标。
　　针对遮挡判别依据在目标被云层局部遮挡情况下存在滞后性导致跟踪漂移的问题，考虑到分块算法会影响跟踪的稳定性，本文提出了一种基于掩模策略的抗云遮挡核相关滤波跟踪算法。将目标进行不同的掩模处理，每一个掩模块分别训练对应的滤波模板，在目标被云局部遮挡时，利用输出响应较好的掩模块继续跟踪目标。实验结果表明，该算法在目标被云局部遮挡时能够更加准确稳定的跟踪目标。