扩展目标特征提取技术及序列图像中扩展目标的运动轨迹提取技术在国民经济和国防领域都有广泛的应用,一直是国内外研究的重点和热门技术之一。宇宙空间中的太空垃圾对航天器的正常工作产生严重的干扰,自适应光学能够基于地基望远镜对太空垃圾进行探测和定位。因此研究自适应光学系统的扩展目标图像的特征提取及定位技术很有必要。本文的研究目标是探索几种适合从通过自适应光学获取的序列图像中提取扩展目标特征点运动轨迹的图像处理算法,并进行仿真验证。本文将传统的特征提取算法与近几年提出的新型目标跟踪算法结合起来,对该技术领域的若干问题进行了研究和探索。全文的主要研究内容包括:第一,本文详细的介绍了常用的扩展目标特征提取算法,包括SIFT算法、HOG算法、颜色特征算法等的国内外进展情况。对这些算法进行了深入的分析和对比。第二,研究了基于特征提取的相位相关算法。提出了通过对扩展目标图像中多个SIFT特征的提取,进行序列图像中扩展目标定位的方法。从扩展目标图像中获得的SIFT特征点分布不稳定,所以本文将单个特征点扩展为一定大小的特征块,较容易获得特征块在序列图像中的位置变化。为了提高特征块的定位精度,本文对相位相关函数进行了插值,获得了亚像素的定位精度。扩展目标图像上单个特征块的运动轨迹提取误差大,本文通过多个特征块的平均来提高运动轨迹的提取精度。用人像的平移、旋转和缩放等模拟产生了典型扩展目标的运动图像序列,并进行了序列扩展目标图像特征提取的仿真实验,验证了本文提出算法的有效性。在自适应光学的扩展目标视频序列中,用基于SIFT特征的相位相关算法对目标进行定位,得出目标的运动轨迹。第三,研究了核相关滤波算法中多通道特征采用HOG特征与颜色特征CN的改进方法。利用复杂背景下人物和动物运动的三种典型视频集,用核相关滤波方法实现了扩展目标运动轨迹的提取,采用中心位置误差、成功率以及距离精度对算法的性能进行了评测。三种典型视频集的仿真结果对比表明:以KCF为框架融合多特征算法能有效提高整体跟踪能力。本文的研究为后续基于序列扩展目标图像特征提取的运动目标探测跟踪技术奠定了基础。