随着现代社会的发展进步,目标定位越来越受到人们的重视。传统的目标定位方式如雷达法、基站布局法等对外界硬件设备要求太高,还容易被周围环境影响。由于无人机具有高机动性、易操作性等特性,所以在目标定位中扮演着越来越重要的角色。在无人机目标定位中,图像匹配又占据了重要角色。传统的基于颜色直方图特征、梯度方向直方图特征、梯度幅值直方图特征的Mean Shift匹配算法存在对颜色太敏感、相似度匹配曲面不连续等缺陷,不能用于无人机的目标定位,所以需要对此进行改进,让Mean Shift算法可以用在无人机的目标定位中。本文就是针对这个问题,进行了深入研究。本文首先综述了国内外的目标定位方法及图像匹配算法发展现状。然后研究了传统的基于颜色直方图特征、梯度方向直方图特征、梯度幅值直方图特征的Mean Shift算法,通过实验论证它们在目标定位中的可行性,在此基础上,本文使用了梯度矢量流(GVF)改进了对梯度幅值直方图特征的提取,并应用到Mean Shift算法中。研究结果表明,使用改进后的Mean Shift算法可以解决上述方法所存在的问题,它不会因为色彩、光照而丢失目标,具有一定的鲁棒性;也不会因为目标在图像中有空间位置的变换而直方图无法体现出来;它在相似度匹配曲面中体现出来良好的连续性、光滑性。最后通过仿真实验和误差分析论证了本文提出的改进算法在目标定位中的准确性。