论文旨在研究成像系统中近距离扩展目标在复杂背景下的自动识别和高精度跟踪技术。该技术对于多种图像分析及计算机视觉应用具有重要意义。针对其中的难点技术，在理论和算法上进行了深入的分析和研究，提出了解决方案。　　 对目标分割而言，其最关键的技术在于找出目标和背景可区分的特征。在目标灰度级与背景灰度级混杂交错的复杂背景中，各种基于灰度阈值、区域一致性特征、边缘特征的传统图像分割算法难以取得良好的分割结果。利用小波分析优良的时频局部特性，检测图像信号中的边缘信息。由于目标边缘在空域有较大的能量持续，能在多尺度下保留下来，并随着尺度的增加边缘的定位偏移、连通性降低；反之，背景中的细小杂纹和图像中的随机噪声仅能在小尺度下存在，在大尺度下被抑制；结合多尺度的小波边缘和边缘方向信息，利用单帧图像信息即可成功地把目标从复杂背景中分割出来。对于动态序列图像，运动目标不同于背景的运动特征是强有力的可区分特征，在目标的刚体假设和非突变运动状态前提下，目标区域有非常近似的运动特征一致性，而背景也有近似的一致性运动特征，因此可以把图像的运动矢量分为两类。通过特征块提取，特征块匹配进行运动估计得到运动矢量场，然后进行聚类分析把运动场分为目标类和背景类，最后保留下具有目标类运动矢量的图像块，则可成功地把复杂背景中的运动扩展目标提取出来。　　 对扩展目标的高精度跟踪是论文研究的另一个重点。论文对成像系统中目标各阶段的跟踪算法及影响跟踪精度的因素从理论上进行了深入的分析，为了解决运动中扩展目标的姿态位置变化及系统噪声对跟踪精度的影响，提出了基于视觉不变量特征的匹配跟踪研究方向，以提高跟踪精度和稳定性，这种视觉不变量将对几何失真和灰度变化不敏感。为了简化视觉不变量的构造和提取，对扩展目标成像的数理模型及简化进行了深入的数学推导，并得出了重要的结论，在目标深度小于目标到成像系统距离的十分之一时，目标成像的中心透视模型可以简化为平面仿射模型，并且在目标的刚体假设下，此模型可进一步简化为只有旋转、平移(两参数)和尺度的四参数平面仿射模型。在此数学模型的基础上提取了图像的HU氏不变矩及其改进的C系列不变矩，并对其进行了仿射不变性及抗噪能力的对比实验分析。在前面研究的基础上，提出了基于C2，C5的不变特征匹配智能跟踪模型，在此模型中，根据跟踪置信度判据可智能地将跟踪状态转入预测跟踪、目标识别捕获和稳定跟踪等模式，对比实验结果表明此算法能有效提高扩展目标的跟踪精度。