对于典型的光电成像跟踪系统,其信息处理过程可分为相互联系的三个步骤:目标分割、目标识别和目标跟踪。目标分割和识别是其中两个极为重要的环节,是实现图像自动分析需要首先解决的问题,只有在图像分割和目标识别的基础上才能进行稳定的目标跟踪。　　 针对复杂背景下目标跟踪中的技术难点,在研究复杂场景目标分割与识别理论的基础上,从提高目标检测可靠性、目标识别准确率和目标跟踪稳定性等方面,展开了深入的研究。提出了适合复杂场景目标分割与识别的实用算法,对提高成像跟踪系统的整体性能起到技术支撑作用。　　 目标分割是信息处理过程中非常关键的一步。本论文详细分析了复杂场景下目标分割的难点以及影响目标分割稳定性因素。针对目前复杂场景下目标分割方法的不足和技术发展方向,提出了多帧配准帧差与局部投影相结合的方法,有效地实现了复杂场景下目标的检测与分割。针对运动目标检测过程中面临的背景特征块自动选取问题,提出了一种评价背景复杂度的判别方法,并应用于工程实践中,实现了多种场景下目标跟踪时的多算法智能决策。　　 由于复杂背景的影响,经目标分割之后往往还包含有部分背景的信息；图像中支离破碎的“伪”信息也增加了目标识别的难度。如何从错综复杂的信息中识别出我们真正感兴趣的目标却是信息处理过程中另外一个关键步骤。本论文详细分析了复杂场景目标识别方面的难点以及影响目标识别可靠性的因素。提出了基于纹理分析和基于边缘提取的目标识别方法。通过实验,与距离信息相结合,完成了平坦区域目标识别,满足工程任务需求。　　 复杂场景或噪声的存在往往导致分割出的目标不只一个,经常会出现多目标或多信息的情况。如何从多目标中提取出我们真正感兴趣的目标,却是我们面临的一大难题。本论文针对实际工程中面临的多目标分离问题,对多目标标记及分离算法进行了研究。改进与优化了传统的像素标记算法,有效解决了多目标遭遇及稳定跟踪问题。　　 算法的实时性是光电成像跟踪系统的最终要求。只有在实时图像处理平台上集成的算法才能提升成像跟踪系统的性能。为此,结合光电工程中的BF53x DSP和FPGA构成的图像处理图像平台,进行技术集成,实现了复杂场景下运动目标分割、识别与稳定跟踪。