小目标的检测与跟踪技术涉及计算机视觉、图像处理和模式识别等多个学科的研究领域。本文以复杂云彩背景下飞行小目标的跟踪技术为背景,设计出一套自动检测和跟踪的系统,并通过实验验证其有效性。本研究首先概述了复杂云彩背景下飞行小目标的跟踪技术的意义、研究现状和热点问题,并以国内外几种典型的应用实例说明跟踪研究的重要性;然后分析了在飞行小目标跟踪研究过程中所使用的研究方法和工具的研究现状;其次具体研究了以复杂云彩背景下的飞行小目标检测和跟踪的难点,并以此提出一种基于预测的全自动的跟踪算法;最后设计出了一套飞行小目标自动检测和跟踪的实验系统,验证了本算法的有效性。在小目标检测方面,通过具体分析多尺度几何方法中的Contourlet检测算法的特点,详细讨论了Contourlet变换构建中拉普拉斯金字塔和方向滤波器组对图像的多方向、多尺度分解方法,确定了在Contourlet分解的子图中提取小目标的能量特征作为识别依据,利用质心原理对其进行标定,为后续的预测跟踪提供了有效特征。在小目标跟踪方面,针对目标跟踪稳定性不足的问题,结合Contourlet检测算法改进了Mean Shift的半自动跟踪性,提出了一种基于预测的目标跟踪算法。针对目标的复杂运动情况,在小目标被云彩遮挡的情况下,将Kalman滤波引入该改进算法,建立了跟踪模型。在预测过程中,根据质心修正切换跟踪模型,对低对比度的小目标及其运动姿态变化等情况均具有较好的跟踪效果,并且解决了小目标被遮掩而导致跟踪失败的难点问题。最后通过实验仿真,系统验证了所提出的飞行小目标检测和跟踪的系统设计的合理性,并指出了本研究将来的发展方向。这种分析和设计的方法对小目标跟踪系统甚至其它复杂系统的设计具有一定的指导和借鉴意义。