序列图像中弱小运动目标的检测和跟踪技术研究，具有重大的军事意义和现实意义。由于目标距离遥远，其成像只有几个到十几个像素，无形状、更无纹理可言，且淹没于背景噪声和各种干扰之中。弱小运动目标的检测是一类典型的非平稳信号中不确定信号的检测问题。本文通过研究序列图像中弱小目标的灰度特征和运动特征，提出描述弱小目标存在和变化行为描述的“形态”概念：包括描述弱小目标静态行为的“灰度形态”，和描述弱小目标运动行为的“运动形态”，建立了序列图像中弱小目标“形态模型”。对弱小目标的“灰度形态”研究表明：对于“亮”目标而言，弱小目标在序列图像背景中表现为一个个微小的灰度“凸起”，检测出这些微小“凸起”是弱小目标单帧检测的主要任务；而对弱小目标的“运动形态”的研究表明：弱小目标的运动具有独立性和连续性。检测弱小目标的独立运动和连续运动，构成了弱小目标运动检测的主要内容，也是抑制序列图像中虚警的主要手段。本文通过对弱小目标“灰度形态”和“运动形态”的分析，指出只有通过对弱小目标“灰度形态”和“运动形态”的联合检测，才能真正实现弱小目标的捕获和跟踪。在此基础上，本文提出了弱小目标的“形态检测”理论；将传统检测方法和本文“形态检测”理论相结合，给出了弱小目标“形态检测”的方法；在此基础上建立了实现目标“形态检测”的系统结构框架，并相应给出了两种不同的弱小目标检测与跟踪系统结构。在目标“灰度形态”检测中，本文将数学形态学Top-hat滤波器用于图像的背景杂波抑制，以强化滤波后图像中弱小目标的“灰度形态”特征；通过自适应阀值化处理和数学形态学击中—击不中变换的应用，获得单帧图像下的可疑目标估计，从而形成了本文的弱小目标“形态分割”方法；将形态分割出的可疑目标作为分水岭分割的强制标记，保证了目标图像中可疑目标的完整分割，为可疑目标的“运动形态”检测提供了条件。在获得单帧条件下可疑目标后，采用运动分析方法获得图像全域运动估计和可疑目标的运动估计；弱小目标“运动形态”特征的应用—基于χ~2检验和基于区间估计的目标运动参数关联估计方法，以及基于目标轨迹关联估计方法的应用，抑制了可疑目标集合中的虚警：而Kalman跟踪滤波器的应用，实现了目标的最终捕获。在序列图像弱小运动目标的形态检测与跟踪研究中，本文的研究工作和研究成果主要体现在以下几个方面：1．基于对序列图像中弱小目标灰度特征和运动特征的分析，提出了描述弱小目标存在和运动行为的“形态”概念：包括描述单帧图像中弱小目标与图像背景静态关系的“灰度形态”，以及描述序列图像中弱小目标运动行为的“运动形态”；在此基础上建立了弱小运动目标“形态模型”。2．在弱小目标“形态”分析的基础上，建立了弱小目标的“形态检测”理论，给出了弱小目标“形态检测”定理。3．在弱小目标形态检测实践中，提出了两种不同的弱小目标形态检测系统结构，基于“灰度形态”的弱小运动目标检测系统和基于“运动形态”的弱小运动目标检测系统。4．在弱小目标的“灰度形态”检测研究中，提出了一种基于强制形态标记的弱小目标水线分割方法。5．在弱小目标的“运动形态”检测研究中，提出了两种目标运动参数关联估计虚警抑制方法：基于χ~2检验的参数关联估计方法和基于区间关联估计的方法。6．在弱小目标检测的噪声抑制研究中，提出了一种基于鲁棒加权回归估计的恒漏警噪声抑制方法。7．在基于点估计的弱小目标检测研究中，分析了时域集成目标检测方法的应用条件和检测效果，并分析了实现目标检测所需的信噪比条件和时域集成度条件。