成像制导由于其抗干扰能力强、打击精度高、作战效费比高、携带方便等优点,在精确制导领域占有十分重要的地位。本文以成像导引头为背景,以打击地面静止目标(如机场、码头、岛屿、桥梁、电站、交通枢纽等)和慢速运动目标(水面舰船、坦克等)为目的,研究成像导引头对地面目标跟踪的关键技术。本文主要工作和创新如下：1.提出了一种基于空间-颜色特征的Mean Shift跟踪算法。针对传统的Mean Shift跟踪算法采用区域颜色直方图统计作为目标特征进行跟踪导致目标位置信息流失的问题,将目标区域分成不同区域,构成空间-颜色联合特征来描述目标；并且引入比常用的Bhattacharyya系数更加鲁棒、更加具有判别力的相似性度量,直接计算候选目标各像素与模板图各像素的距离和的均值,此相似性度量在原度量基于颜色差别的基础上考虑了位置的差别,并由此推导了目标跟踪的公式、提出了一种改进的Mean Shift算法。实验结果证明,本文提出的算法在应对某些刚体、非刚体形变、目标尺度变化以及目标被遮挡情况时具有更好的跟踪效果。2.提出了一种结合Lucas-Kanade算法的Mean Shift跟踪算法。由于Mean Shift算法的非参数估计特性,原算法得不到目标的运动参数,导致了目标跟踪精度不高,此外Mean Shift算法不具备模板更新策略,在长时间跟踪后会出现模板漂移的情况,本文通过引入Lucas-Kanade算法同时解决了原算法这两个问题。首先,采用Mean Shift算法粗略求取目标当前帧的位置；然后在这一位置邻域内通过Lucas-Kanade算法搜索目标两帧间的运动参数；这些运动参数用于确定目标最终跟踪位置和判断是否进行模板更新。实验结果证明,本文提出的算法相比原算法对刚体、非刚体形变有更高的精度,跟踪更具鲁棒性。3.提出了一种基于稀疏表示的多子模板跟踪算法。首先,本文定义了子模板的选取原则,并根据此原则提出了一种子模板选取的方法；针对直方图表示的方法对光照敏感的缺点,引入了稀疏表示理论对子模板进行描述,扩展了算法的应用范围；然后通过构造表决表的形式对目标位置进行表决；并通过判断子模板和其对应矩形包括的子目标的跟踪结果来判断是否对子模板进行更新,同时引入子模板各训练模板的比重,来表示各训练模板的贡献大小,模板更新一共分为两步：训练模板替换、比重更新。实验结果证明,本文提出的基于稀疏表示的多子模板跟踪算法能够应对如形变、光照变化、遮挡以及虚假目标干扰和背景干扰等挑战,跟踪精度较高、适用范围宽广4.提出了一种基于贝叶斯互信息的分布场跟踪算法。在跟踪过程中,由于目标形变造成的位置误差,光照变化造成的特征信息误差为跟踪问题带来了巨大的挑战,本文引入了基于分布场的目标表示方法以解决该跟踪难题。在分析分布场原理的基础上,提出了一种基于贝叶斯互信息框架的相似性度量,用以进行实时图和模板图对应的各特征层之间的匹配,匹配过程中仅仅对各特征层的显著性区域进行计算,是一种基于局部特征的方法,因此能够较好的应对遮挡问题。随后设计了一种融合各特征层匹配结果的表决算法用于目标跟踪,并引入遗忘因子进行模板更新。实验结果证明,本文提出的基于贝叶斯互信息的分布场跟踪算法能够应对某些情况的形变、光照变化、部分遮挡、完全遮挡以及复杂背景干扰,跟踪精度高、适用范围广5.对成像导引头采集视频进行了跟踪实验验证。在跟踪算法完成室内测试后,为充分检验导引头的作战效能,还需通过模拟弹上环境,进一步测试算法性能。本文采取两种方法来模拟：一是通过导引头室外采集视频,模拟弹上的震动环境、并考察野外场景天气、温度等因素对算法的影响；二是通过加入惯导信息,闭环模拟弹体在飞行姿态变化下的跟踪情况,考察跟踪精度对命中精度的影响。实验结果表明,本文提出的算法跟踪性能良好,可以实现高精度的命中,这些实验为后续通过图像处理机进行室外实验和半实物仿真实验乃至挂飞实验打下了坚实基础。