目标跟踪一直是计算机视觉领域的研究热点与难点问题之一，其在成像制导、视频监控、智能交通以及视觉导航等方向均具有重要的应用价值，因此研究目标跟踪算法具有重要的理论意义与现实意义。目前目标跟踪算法面临的主要挑战与困难包括:目标运动时外形的多变性，如目标的尺度变化、拍摄视角不同导致的目标外观特征的变化;以及成像环境的变化，如光照条件变化、目标发生遮挡、背景复杂等。因此，实际应用中实现对目标稳定、鲁棒的跟踪还是具有一定困难的。在众多的目标跟踪算法中，基于模板匹配的目标跟踪算法由于原理简单、算法耗时较少已经成为目标跟踪的首选算法之一。　　基于模板匹配的目标跟踪算法的关键技术手段主要包括两个部分:目标特征的选择以及跟踪算法的相似性度量函数的设计。因此，本文将基于模板匹配的目标跟踪算法的设计问题归纳为两个主要的难点问题:1.如何提取稳定的图像特征，本文主要针对图像底层特征提取算法进行研究，使得所提取的特征能够最大限度地适应目标运动过程中的外观变化、光照变化以及其它因素的影响;2.如何鲁棒地度量目标模板与实时图像上侯选区域的相似程度，从而有效地在后续图像帧中定位目标。　　本文的研究工作主要围绕上述两个难点问题进行展开，完成了以下四个方面的研究工作:　　1.根据卫星遥感与飞机航拍系统获取的图像中目标变化满足仿射变换这一特性，将本文中的图像特征提取研究工作定位在仿射不变性特征提取的研究上。对当前国内外在仿射不变特征上的研究工作进行归纳总结，针对全局仿射不变特征提取的典型算法——MSA(Multi-Scale Autoconvolution)变换提取的仿射不变量对光照变化敏感这一问题进行了改进，提出一种改进的MSA变换，同时提出一种N-邻域向量夹角映射概念，以像素点间的N-邻域向量夹角映射代替传统MSA变换中概率密度函数，从而避免了传统MSA变换中采用像素灰度作为概率密度函数对光照变化比较敏感的问题。实验以不同光照条件下采集的图像为测试图像，在这些图像上提取的仿射不变量验证了改进的MSA变换能够很好地适应光照变化，与MSA变换以及仿射不变矩两种仿射不变量提取算法的对比实验验证了改进后的MSA变换能够提取稳定的仿射不变量，同时对目标的尺度变化、遮挡等干扰的适应性较好;　　2.考虑到图像中共线点的线性关系具有仿射不变性，本文对图像的线型特征开展了研究。主要开展了图像边缘检测算法与图像直线段检测算法两个方面的研究工作，对目前典型的边缘检测算法进行了总结，重点对Canny算法的计算过程进行介绍并分析了算法中存在的不足，如非极大值抑制过程导致提取的边缘结果中存在边缘抑制现象，以及阈值选择过程中阈值大小选择问题等。针对这些问题，提出一种结合角点检测的边缘检测算法，首先根据角点确定图像中边缘存在的侯选区域，将全局处理问题转化为局部化处理，避免了进行边缘检测时全局阈值设置环节;然后在这些区域内采用改进的RATMIC描述子进行边缘线段检测，这种改进的RATMIC描述子能够很好地适应图像光照变化的非均匀性，同时抑制了边缘阴影与杂波对提取的边缘结果的干扰。与近年来比较典型的边缘检测算法的比较实验验证了本文提出的边缘检测算法对边缘细节具有较好的描述性，同时能够适应目标的仿射变换以及图像的光照变化。在此基础上，结合小特征值分析，提出一种基于小特征值分析的直线段检测算法，能够解决原始直线段检测算法在光照变化时检测结果不稳定的问题，在保证检测直线段的数量的同时，提高了检测直线段的连续性与覆盖率。　　3.由于本文后续跟踪过程中提出一种新的相似性度量算法，在完成对模板与实时图的特征提取工作之后，需要将模板与实时图上的特征点匹配，本文提出一种基于空间纹理相似性的角点特征匹配算法。该算法以Harris角点作为匹配特征，通过计算目标角点空间距离矩阵在角点邻域纹理特征向量上的瑞利商，将目标结构的显著性进行量化分析，通过比较两帧图像上角点特征的显著性对这些角点进行匹配，与NCC(Normalized Cross-Correlation)算法的比较实验验证了算法的高效性。但是由于算法的实时性仍然较差以及匹配正确率略低，为了提高特征匹配算法的运行速度同时提高算法后期相似性度量算法的精度，本文对目标的特征点集进行编组，以编组作为匹配算法的数据处理单位进行匹配。引入心理学家提出的“格式塔准则”中的“邻近性规则”与“相似性规则”，根据目标上的特征点的空间分布具有不同坐标方向的密度一致性，提出一种实时的基于空间邻近规则的单帧图像特征点编组算法，能够将目标几何结构邻近的特征点编组为同一特征编组。由于本文算法是在目标发生仿射变换下进行研究的，引入“相似性规则”，提出一种基于格式塔机制的双帧图像特征编组匹配算法，根据相邻图像上特征编组间具有的仿射相似性，将相邻帧中目标对应的特征编组有效地匹配。实验将基于格式塔机制的双帧图像编组匹配算法与基于空间纹理相似性的特征点匹配算法进行比较，得到的匹配正确率与匹配时间表明，以特征编组为单位对图像进行匹配不仅能够降低匹配算法的运行时间，同时能够提高匹配正确率。　　4.提出一种基于仿射一致性的目标相似性度量算法，并推导证明了该方法可以应用于刚体目标的跟踪中，为了解决传统相似性度量算法对于特征敏感等问题，将传统的目标特征间的相似性度量问题转换为变换空间的度量问题进行处理。由于本文进行相似性度量的数据为仿射单应阵，仿射单应阵集在空间中构成李群集合，首先采用李群聚类对仿射单应阵集进行聚类，算法能够较好地将空间相似的那些仿射单应阵聚类，从而实现仿射单应阵的度量，但是由于算法在实际应用中的实时性与精度较差，本文提出一种基于高维空间数据聚类的仿射单应阵度量算法，根据Hartigan定义的密度聚类函数设计了一种聚类密度函数，能够很好地将六维空间内相似的仿射单应阵聚集在一起。最后将这种基于高维空间数据聚类的仿射单应阵的度量算法应用于目标跟踪中，在飞机序列上的跟踪实验表明，该算法能够较好地对发生仿射形变的目标进行跟踪，同时能够很好地适应背景的变化。与其它经典目标跟踪算法的比较实验也验证了本文跟踪算法不仅能够稳定地跟踪目标，而且对目标的遮挡、尺度变化等均具有较好的适应性。　　最后一章对课题所做的研究工作进行了归纳总结，并给出本文的主要创新点以及算法目前仍未解决的问题，同时基于本文所做的研究工作，探讨了未来目标跟踪研究领域仍需开展的研究内容。