红外小目标跟踪过程中由于背景、外界杂波等干扰，导致跟踪精确度和实时性欠佳，为此，提出基于深度学习的红外过采样扫描图像小目标跟踪算法。首先构建了红外过采样扫描图像模型，通过背景估计、形态学开运算，对图像中背景以及外界杂波进行多级滤除；然后增加设计特征融合模块和区域选取模块来改进孪生网络，生成融合特征图输入目标区域，通过分类和回归计算提高图像的特征表征能力和跟踪精度；最后建立损失函数训练孪生网络，输出红外过采样扫描图像小目标跟踪结果。实验结果表明，利用所提算法进行图像滤除后，信噪比能够高达35 dB,所提算法的区域重叠率较高、跟踪精度高，且算法的实时性强...
