无人机较载人飞机而言具有很多优点,如制造成本低、重量较轻、体积较小、操作简单、使用方便、战场生存能力较强、隐身性能好、对作战环境要求低,并且可以准确、高效和灵便的执行各种军事或民用任务,因此备受世界各国青睐。然而,在无人机实际应用之前,必须首先对其进行靶场测试以确保无人机的性能稳定,但因其无人驾驶,需要在地而对其完成准确跟踪,才能方便地面人员了解无人机的状态。本文设计了一套基于合作目标的无人机自动跟踪算法,该算法能够对图像进行预处理,对图像序列进行目标检测与目标识别,根据闽值分割后的图像提取目标有用信息,利用目标的运动模型完成目标轨迹的预测,并在预测位置附近搜索目标。主要做了以下工作：分析和比较了无人机的跟踪方案,采用合作目标配合无人机的跟踪；通过对两种经典去噪方法进行对比分析,采用改进的中值滤波方法去除了图像中的噪声,对去噪后的灰度图像进行数学形态学处理,有效调整了图像中的明暗细节,使图像更加平滑；介绍了目标检测的方法,并根据分层投票表决法判断日标真伪,对含有真实目标的图像进行阈值分割。采用基于迭代的改进最大类间方差(Otsu)法,较完整地提取出了图像中的光斑,然后对光斑进行定位；利川Kalman滤波算法对目标轨迹进行预测,在预测位置附近,根据直方图信息进行K-S检验,判断当前搜索区域是否与目标模板匹配,并且给出了仿真结果；介绍了跟踪过程中所需要的坐标系及其之间的变换关系,并给出了激光器及CCD摄像机姿态的调整原则。实验及仿真结果表明：基于选择排序法的中值滤波可以更加快速的去除图像中的噪声,改进的Otsu法可以解决图像分割时造成的误分割问题;识别目标后,Kalman滤波算法能够对目标轨迹进行有效预测,基于K-S检验的直方图匹配方法可以在预测位置附近找到最佳匹配位置,从而实现目标跟踪。这种目标跟踪算法能够满足目标跟踪的要求,不但可以有效识别目标,还能够提高目标跟踪的效率。