本论文研究的主要内容为基于小波多尺度特性的序列图像目标跟踪技术。目标跟踪作为一个在军事、工业和科学研究方面有着广泛应用背景的研究领域，一直以来吸引了大批国内外学者。由于小波变换具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，使得基于小波变换的目标跟踪算法具有传统算法无法比拟的优势。针对目标跟踪技术的研究现状和存在问题，本文着重从目标分割和特征检测与匹配两个角度对基于小波变换的几种新的目标跟踪方法进行了研究。　　 1.采用基于多尺度Gabor小波的特征点检测算法对序列图像进行跟踪。借助图像的金字塔变换得到多尺度的Gabor小波特征图像，并对特征图像进行特征点检测，提取对图像变换具有鲁棒性的特征。针对两种特征检测方案，提出不同的特征匹配准则，按照分层匹配的策略由粗到精逐步定位目标的准确位置，具有较快的搜索速度。　　 2.采用多尺度小波函数所提取的相位一致性特征进行基于目标分割和基于角点特征的跟踪。　　 对目标图像进行相位一致性检测，得到一个具有光照不变性的无量纲特征量—相位一致系数。利用相位一致性检测的这种特性，针对孤立目标的情况，提出了两种自适应目标分割和跟踪的算法。基于区域增长的目标分割算法利用从相位一致图像中找到的对比度最大点及其法线方向两边的灰度分布确定目标和背景的种子像素，进行自适应目标分割。基于相位一致性检测的目标分割算法只需确定一个阈值即可利用相位一致特征图像的方向性，依据目标在不同方向响应的不同将目标和背景区分开，适应于复杂纹理背景中的目标分割。最后，分别将两种算法所得的分割结果向水平和垂直方向投影即可确定各自的质心位置，实现自适应的质心跟踪。　　 进一步提取相位一致性图像的最小矩特征就能得到目标的角点信息。文中用实验验证了此方法检测到角点的综合性能。在此基础上，提出了利用单演相位差进行角点匹配跟踪的算法，并将其同基于灰度相关的匹配算法进行了对比，证明了本算法能够检测出更多准确匹配的角点、减少误匹配，同时具有较小的匹配运算量。　　 对以上提出的几种目标跟踪算法进行了大量的仿真实验，实验结果表明，这几种方法均取得了较好的跟踪效果，能够实现稳定、精确的跟踪。