机载光电平台作为无人机的有效载荷,在军用、警用、民用等领域发挥着重要作用。在机载光电平台稳定跟踪系统的实际应用中,暴露出一些亟待解决的问题:长时间跟踪目标时,出现目标漂移的问题;目标被云、树木等遮挡,造成目标丢失的问题;大雾、雨雪等恶劣天气或目标采取伪装措施,导致无法依靠图像特征跟踪目标的问题。本文针对这些实际问题进行了研究。针对长时间跟踪目标时,由于误差累积,产生目标漂移的问题,在图像跟踪器中采用基于域均值粒子群优化的均值漂移目标跟踪算法。针对目标容易被云、树木等遮挡的问题,在图像跟踪器中采用基于局部敏感直方图的目标跟踪算法,进行抗遮挡跟踪。机载光电平台的伺服系统与图像跟踪器形成闭环,伺服系统驱动光电平台,使其视轴始终对准目标。针对大雾、雨雪等恶劣天气或目标采取了伪装措施,导致图像跟踪器无法依靠图像特征跟踪目标时,本文采用地理坐标跟踪的方法。该方法分为目标定位和目标引导两个步骤,首先根据光电平台的姿态信息、激光测距值和无人机的姿态信息,实时解算并存储目标的经纬度。当无人机位置、姿态变化后,目标地理坐标跟踪系统实时解算出光电平台应指向的方位角和俯仰角,机载光电平台的伺服系统与地理坐标跟踪系统形成闭环,利用伺服系统驱动光电平台,使其视轴始终对准目标。针对地理坐标跟踪模式下,增加焦距,只能对主目标(视场中心目标)进行详查,造成对次目标(非视场中心目标)跑出视场的问题,本文采用多目标实时定位的方法,对可见光摄像机视场中的多个目标同时进行定位,并在线存储多个目标的地理坐标值,操作手对一个目标观察完毕后,光电平台可自动将下一个目标通过地理坐标跟踪的方法引导入视场。本文建立了多目标定位模型与变焦距镜头畸变实时校正方法,提高了目标的定位精度。本文的主要研究成果如下:(1)传统Mean-shift目标跟踪算法,在长时间跟踪后,容易出现目标漂移。本文提出了一种基于域均值粒子群优化的均值漂移目标跟踪算法模型,该模型包含了目标颜色的空间分布信息,在跟踪过程中,如出现较复杂背景的干扰,该模型可以通过核密度估计继续跟踪未被干扰的部分。与传统的Mean-shift跟踪算法相比,在长时间目标跟踪过程中,基于域均值粒子群优化的均值漂移目标跟踪模型具有更好的跟踪稳定性,不易出现目标漂移。(2)传统局部敏感直方图目标跟踪算法,在目标被遮挡后,易发生目标丢失。本文提出了顶层区域、子区域的概念,建立了分层局部敏感直方图跟踪算法模型。根据顶层模板被遮挡的情况,通过扩大或缩小模板并调整特征更新速度,有效解决了目标在长时间被遮挡后,目标模板被错误更新的问题。(3)建立了地理坐标跟踪误差模型,并对影响主目标(视场中心目标)定位精度的因素进行了分析,地理坐标跟踪方法解决了单纯依靠图像跟踪器不能在目标特征不明显、恶劣天气下跟踪目标的问题。推导了变焦距镜头畸变对定位精度的影响,提出了变焦距镜头实时畸变校正方法,有效提高了多目标的定位精度。通过同时存储多个次目标(非视场中心目标)的地理坐标值,光电平台依次将各个目标引导入视场,有效解决了单纯依靠图像跟踪器不能持续跟踪可见光镜头视场外多个目标的问题,提高了光电平台的侦察效率,满足机载光电平台的实际需求。通过外场实验,验证了在短焦距情况下,运用地理坐标跟踪方法对目标进行稳定跟踪是可行的。