本研究课题来源于航空科学基础研究基金(02I53073)，以及与兵器工业部某所合作项目“复杂地面背景中地面目标的跟踪”。基于序列图像的目标跟踪一直是计算机视觉、图像处理和模式识别领域里非常活跃的研究课题。基于序列图像的目标跟踪，就是通过对传感器拍摄到的图像序列进行分析，在图像中检测出各个独立运动的目标，或是用户感兴趣的区域，在随后各帧中估计出目标区域在图像中的位置。对运动目标的跟踪非常重要，因为它不但可以提供被监视目标的运动轨迹，也为场景中运动目标的运动分析、场景分析提供了可靠的数据来源，为运动目标的正确检测以及运动目标的识别提供了帮助。作为一个有着广泛应用背景的研究领域，基于图像序列的目标跟踪吸引了大批研究学者参与，许多国外研究机构也将其列为重要研究方向，并已取得了很多成果。但是一般意义上的跟踪技术还远未成熟，要开发出真正鲁棒、实用的跟踪应用系统还需要解决大量的问题。本文以在图像中占据一定面积的目标的跟踪为研究对象，以提高跟踪精度和算法鲁棒性为目标，针对静止背景中目标检测跟踪，特征点检测，图像稳定，运动背景中目标的跟踪等几个方面进行了深入地研究，取得了以下研究成果：1．针对国际公认的Comaniciu经典mean shift跟踪算法只有三个自由度，不能适应目标旋转的缺点，本文将其mean shift算法单一的核半径参数推广为对角形式的带宽矩阵，提出了一种带宽矩阵的mean shift算法，并证明了它的收敛性，将其应用于图像跟踪，得到了一种具有五个自由度的跟踪算法。该算法能适应目标在图像平面上包括旋转以及变长宽比在内的复杂运动，解决了目标旋转的跟踪问题。2．提出了一种基于Gabor小波的，面向图像稳定的特征点检测方法。该方法通过前后双向映射寻找一一对应的特征点，有效地排除了错误的特征点配对。实验结果表明，该方法检测到的特征点能较好地代表两帧图像间的运动情况，可以有效地支持图像稳定。3．现有的基于特征点的图像稳定方法在快速平移运动平台，低信噪比图像序列上经常失效。针对这一问题，提出了基于信任域的图像稳定算法，在稳定图像上取得了良好效果，并且精度高，计算量较小。4．针对上述Comaniciu经典mean shift算法采用离散参数不能精确描述目标的不足，本文将信任域方法与多尺度规范化Laplacian滤波函数相结合，提出了一种信任域尺度空间跟踪算法。该算法能用连续参数精确地描述目标在图像平面内的缩放和旋转。5．提出了基于连续特征空间的特征选择方法，与现有的基于离散特征集合的特征选择方法相比，在缩小了备选特征搜索数目的同时，可选择更好的特征用来跟踪。将此方法融入信任域尺度空间跟踪算法，得到了一种新的适应目标颜色灰度变化的跟踪算法。该算法大大提高了跟踪器的稳定性，在mean shift方法失效的图像序列上，仍能进行稳定跟踪。6．提出了一种针对运动平台，低信噪比图像序列行之有效的信任域与卡尔曼滤波相结合的目标跟踪算法，并在与兵器工业部某所的合作项目中得到应用。该算法利用基于信任域的方法对图像加以稳定，通过卡尔曼滤波器对目标状态进行估计以滤除图像干扰，在扩大目标搜索范围的同时，减少了模板匹配的次数。