遥感视频卫星可以实现对整体环境和具体目标连续的全方位实时监控,从而高效率高精度的收集对地观测信息,在大范围交通监控、国防安全监测、军事动态指导等场景有着重要的应用价值,因此在遥感视频卫星数据上实现目标跟踪就显得至关重要。但是由于遥感视频卫星的自身特点使得遥感视频目标跟踪面临着目标尺寸较小、背景极为复杂、遮挡情况严重、目标可识别性较差等难题,现有跟踪器难以应对如此复杂的情况,算法鲁棒性不佳。针对上述情况,本文在孪生网络框架的基础上,研究了无锚跟踪策略、条带波理论、注意力机制、卡尔曼滤波对遥感视频目标跟踪的性能增幅,从而更加高效准确的实现遥感视频目标跟踪,主要工作如下:首先,提出了一种基于Bandelet和孪生网络的无锚遥感视频目标跟踪算法,来解决遥感影像目标尺度变化大,以及目标尺寸较小时提取到的特征判别能力不足等问题。该方法的主要思想是将无锚跟踪器迁移到遥感影像上,更好的适应遥感视频中目标位置和尺度的变化。并且将条带波变换与孪生网络相结合,帮助跟踪网络自适应的对图像的内在几何结构进行追踪,对于尺寸较小的目标也能够更加准确高效的提取到目标特征。实验结果显示,本章方法能够有效提升遥感视频中不同尺度目标跟踪的性能。其次,提出了一种基于多重注意力机制的无锚遥感视频目标跟踪算法。针对遥感视频中目标与背景区分度不高的问题以及互相关操作特征融合不充分的问题,引入了一种基于多重注意力机制的特征提取网络,包括组合注意力机制和交叉注意力机制。组合注意力机制使得跟踪网络能够更加重视与目标相关的有效特征信息,在跟踪过程中更加精确地定位到目标,交叉注意力机制使得孪生网络的两个分支在计算特征期间就能够进行有效的信息融合和交互,这样互相关操作时就能够更加准确的找到搜索区域中与模板帧相似的区域。实验结果显示,多重注意力机制能够帮助网络提取到更加有效的目标特征用于跟踪,从而提升遥感视频目标跟踪的性能。最后,提出了一种基于卡尔曼滤波的无锚遥感视频目标跟踪算法。为了应对遥感视频目标跟踪中常见的遮挡问题,首先提出了一个检测目标被遮挡和目标出遮挡的判断标准,接着使用卡尔曼滤波计算目标在被遮挡前大致的运动状态,在检测到目标被遮挡时以同样的运动速度和方向来移动跟踪框,这样当遮挡结束目标再次出现时,仍然在搜索范围内,使得跟踪器可以重新定位到目标进行跟踪。实验结果显示,采用本章方法对遥感视频进行跟踪,能够大大提升遮挡场景下遥感视频目标跟踪的性能。