靶场光电跟踪测量系统利用光学成像技术跟踪测量空间的飞行目标，以获取目标的高精度测量数据，为武器、航天试验鉴定及故障分析提供重要依据的光电仪器。近年来，新的试验任务需求和靶场建设发展需要对靶场光电跟踪测量系统连续稳定跟踪目标的能力提出更高要求。然而，大量外场试验结果表明当前靶场光电跟踪测量系统的目标跟踪技术存在着对天气条件过于依赖的缺陷。尤其是在晴空中夹杂许多云层的情况下，一方面极易将云层错误识别成目标导致跟踪中断；另一方面在目标被遮挡后缺乏高效的搜索再跟踪能力，大多数需要花费较长时间并且依赖外界引导数据及人员的判决操作进行目标搜索再跟踪。由于晴空夹杂云层是靶场试验任务中常见的气象条件，为了避免局部云层的影响而错失后续的测量数据甚至是关键段的珍贵数据，极有必要研究并解决云层背景下目标跟踪易中断的问题。本文以靶场光电跟踪测量系统为研究平台，以提高云层背景下目标跟踪准确性和平稳性为目的，围绕当前云层背景下目标跟踪方法存在的不足之处，开展目标识别、目标跟踪及目标搜索相关关键技术的研究。在方法具有实用价值的指导思想下，提出靶场光电跟踪测量系统在云层背景下稳定跟踪的实现方案。全文完成的主要工作归纳如下：研究了云层背景下疑似目标区域分割技术。针对现有的单一图像分割技术难以实现云层背景下疑似目标区域的有效分割，确立了依据跟踪模式特点采用相适应的图像分割技术思路。将目标跟踪过程划分成稳定跟踪模式和主动搜索模式。在稳定跟踪模式下，依据目标大致位置区域已知的特点，采用改进后的最大类间方差阈值分割方法进行快速图像分割；在主动搜索模式下，依据全视场分割的要求，提出了基于视觉注意机制的图像分割方法实现精准的疑似目标区域分割，通过算例验证了方法的可行性。研究了目标多特征信息融合识别技术。针对目标周边存在云层或被云层遮挡时，采用单一的灰度特征易将云层错误识别成目标的问题，提出了基于神经网络和证据理论两级联合的多特征信息融合目标识别方法。首先提取分割后疑似目标区域的多种特征信息，对每种特征信息通过相应神经网络进行特征识别，再利用证据理论对多个神经网络的识别结果融合判决。该方法一方面利用了目标多特征信息降低目标误识别的概率，另一方面两级联合的信息融合模型体现出良好的可扩展性，能方便地根据不同情形、不同对象增减改变特征融合信息源，具有很强实用价值。实验结果证明该方法能准确辨别出云层和目标。研究了目标运动状态估计反馈跟踪技术。针对传统的目标脱靶量直接反馈跟踪方式难以适应云层背景下目标跟踪需求的问题，深入研究了采用目标运动状态估计反馈的跟踪方法及实现细节。分析了不同应用情形下目标运动状态估计的可观测性问题，探讨了卡尔曼滤波、不敏卡尔曼滤波及交互多模型滤波三种滤波估计方法的应用改进，给出了实际应用时目标运动模型建立、数据时空对齐、数据关联及状态估计等实现过程。实验结果表明该方法弥补了直接反馈跟踪方式的跟踪性能严重依赖于测量数据质量的缺陷，提高了云层背景下目标跟踪稳定性。研究了运动目标主动搜索策略。针对目标跟踪过程中受到云层遮挡而短暂丢失目标的情形，提出了基于最大概率区间的目标主动搜索方法；针对长时间丢失目标且缺乏外界引导数据的情形，提出了在拦截点处采用警戒线目标搜索方法来提高搜索效果，同时针对警戒线搜索过程中目标成像会出现运动模糊的情况，给出了运动模糊恢复方法。实验结果表明主动搜索增大了目标有效搜索区间，可以大幅提高目标搜索成功概率。综上，本课题通过对靶场光电跟踪测量系统现有的目标跟踪技术研究和改进，提出并验证了在云层背景下工作时目标多特征信息融合及稳定跟踪的相关关键技术，该技术的意义在于解决了云层背景下目标跟踪易中断的问题，弥补了当前靶场光电跟踪测量系统的目标跟踪技术对天气条件过于依赖的不足，在目标跟踪测量领域具有一定的实用价值。