多传感器图像融合与目标跟踪技术作为复合制导系统的基础，已经成为现代战争的关键技术，是近年来研究的热点和难点。随着复合制导系统性能需求的不断提高，现有算法已很难满足要求，因此，设计一套精度高，实时性强，稳定性好的多传感器图像融合与目标跟踪算法具有重要意义。在图像配准部分，本文提出了一种基于边缘特征和角点特征的图像配准新算法，弥补了传统算法配准速度慢，应用范围小，稳定性差的缺点。用Sobel算子和中值滤波相结合的方法检测图像边缘；通过阈值自适应和非极大值抑制法来改进传统FAST算法，并对边缘图像进行角点检测；采用双向最大相关系数法实现角点匹配，并用RANSAC算法剔除误匹配点，最终完成图像配准。实验结果表明本文算法配准精度高，鲁棒性强，实时性好。在图像融合部分，针对传统算法计算量大，对存储空间要求高，不利于硬件实现的缺点，提出了基于提升小波变换的改进图像融合算法，采用结构简单、分解系数为整数、计算速度快、无需额外存储开销的提升小波变换对待融合图像进行分解；针对高低频分量的不同特点，采用不同的融合规则；高低频分量融合完毕后，通过提升小波逆变换得到融合图像，整个处理过程既考虑了融合图像的质量问题，又兼顾了算法的实时性。在目标跟踪部分，为了解决传统MeanShift算法对目标和背景区分度低，在目标出现尺度变化、旋转、遮挡、噪声干扰等复杂情况下跟踪效果差的问题，提出了一种基于SURF特征度量的MeanShift目标跟踪新算法（简称SURF-MeanShift算法）。为有效处理目标运动速度快和遮挡问题，并进一步提高算法实时性，本文还将Kalman滤波器嵌入到SURF-MeanShift算法中，形成了基于Kalman预测的SURF-MeanShift目标跟踪新算法，最后通过实验证明了该算法的有效性。本文最后将所提算法应用到多传感器复合制导系统中，首先将算法从PC机移植到多DSP图像处理单元，然后根据硬件平台和算法特点进行算法并行设计、实现与优化，最后通过硬件平台测试了算法的准确性和实时性，测试结果表明本文所提算法稳定性好，实时性强，能够满足系统需求。