本论文致力于研究序列图像中的运动目标检测技术，涉及到的相关技术主要有：运动估计技术；目标检测技术；虚警信号抑制技术；图像滤波技术等。论文对多项核心技术有深入的研究。由于对不同的应用而言，成像系统获得的图像差异极大，尝试找到一种广泛适用的目标检测技术或算法，在目前理论水平以及工程技术条件下，是很困难的。所以，论文按目标、背景与噪声特性，分为多种情况进行研究，目标特性包括大、小目标；背景特性分为静止与运动背景；噪声特性涵盖简单噪声(主要是指高斯白噪声)与复杂噪声。在大目标检测技术中，论文主要策略是分析图像运动场，对背景运动进行估计、补偿，通过时域差分得到运动目标。针对复杂全域运动的三种基本形式(平移、旋转、缩放)，引入了相应的四参数模型。论文研究了基于关联域的运动估计技术，以及基于光流方程的运动估计技术。在基于关联域的运动估计技术中，提出了梯度关联域。在基于光流方程的运动估计领域，分析了传统光流方程适用条件，并针对光流方程的空域、时域梯度要求，提出了一种改进光流方程算法。论文将改进光流方程算法应用于车辆测速，提出了一种基于单一摄像机的城市道路车辆测速系统。在微小运动目标检测技术中，论文对固定摄像机和运动摄像机采集的图像序列采用不同的检测策略。对静止背景中的微小目标采用背景杂波估计与抑制，和基于图像灰度的空时联合目标检测技术；对运动背景中的微小目标采用运动估计，和基于运动场的时域集成检测技术。对于静止背景，论文提出了两种基于梯度场的自适应杂波估计技术：一种采用邻域梯度差平方累积函数最小准则，另一种采用梯度最大相关准则。研究表明，两种技术在微小目标检测中，明显改善了目标与背景的对比度，简化了残差图像的灰度分布。然后对残差图像进行非线性集成，引入目标轨迹约束，极大地增强目标的能量累积，同时，利用慢速目标的重叠特性，显著改善系统的检测性能。对于运动背景，论文主要研究复杂噪声干扰下的微小目标检测，提出了两种自适应复杂噪声滤波技术。研究表明，两种技术性能优良，适合处理复杂噪声。抑制复杂噪声干扰后，论文采用运动估计技术检测微小目标。提出了两种运动场时域集成检测技术：一种是运动场分量聚类的检测技术；另一种是运动场轨迹跟踪检测技术。研究表明，在两种检测技术中，只要目标与背景运动矢量间有一定差异即可完成检测，对运动矢量自身估计精度的要求不高，该特点增强了论文所提技术的可靠性。