随着无人机、智能导弹等先进飞行平台的大规模部署,基于飞行平台成像的视觉应用技术越来越受到重视。其中运动目标检测与跟踪技术在人机交互、应急救援以及战场目标打击等应用中有着广泛的需求。飞行平台成像属于典型的全动态视频场景,需要信息处理算法能实时地完成图像处理并提供可靠的辅助决策信息。本文分别以视频卫星和无人机为两种典型的飞行成像平台,进行地面运动目标检测与跟踪算法研究。(1)针对视频卫星图像中的大量微小运动目标,提出了一种高效率的基于轨迹搜索的大量微小运动目标在线检测与跟踪算法。首先本文提出了一种帧间迭代轨迹搜索算法,能以极高的效率从初始检测结果中搜索可行的运动路径;然后提出了一种基于轨迹竞争的重叠目标轨迹筛选算法,在同一目标最多只能出现在一条真实轨迹中的假设下,从可行运动路径中筛选真实目标轨迹;本文通过引入了空目标状态来应对那些在初始检测结果中被漏检的目标,并相应地提出了一种递进的轨迹搜索策略;文中还提出了一种基于二分图匹配的多目标轨迹关联算法,能同时跟踪所有检测到的运动轨迹,完成对目标的长时跟踪,保持目标编号的连续性。最后本文提出了一种基于滑动时间窗口的实时微小目标检测算法,与已有方法相比,本文方法能够以非常高的计算效率来完成对图像中的未知个数的大量运动目标的检测,文中通过大量的实验证明了该算法具有参数依赖性低和抗干扰能力强的优点。(2)针对低空无人机视频中的运动目标检测问题,提出了一种可靠的基于几何约束的实时运动目标检测算法。本文研究了基于两帧图像的运动目标分割方法,首先提出了一种改进的基于密集光流的无人机运动目标分割算法,通过引入一种基于图模型的图像分割算法来有效地从光流场中寻找目标的模糊的边界;然后提出了了一种改进的基于帧间差分的无人机运动目标分割算法,在高效的图像配准算法的基础上通过融合帧间差分结果和图像分割结果来有效解决传统帧间差分方法无法恢复完整目标区域以及存在“鬼影”的问题。最后提出了一种基于几何约束信息的运动目标检测方法,本文在改进的帧间图像配准方法的基础上应用无人机场景内在的单应约束和极线约束信息实现了对运动像素的准确判断,并基于此实现了序列运动目标的快速可靠检测,实验结果显示该方法可以有效应对视差效应的干扰,并且具有较高的计算效率和较低的虚警率。(3)针对空中运动平台以及低分辨率成像条件下的运动目标跟踪问题,提出了一种基于密集结构学习的目标跟踪算法。针对已有算法在解决实际问题时面临的搜索范围小、鲁棒性差、计算效率低下等问题,本文提出了一种基于密集采样的在线结构学习算法,通过引入傅里叶技巧和优化学习算法,使得跟踪器的训练和检测过程具有极高的计算效率。然后提出了一种加权核函数,能够在不增加算法计算量的条件下提升跟踪器的鲁棒性。最后针对热红外成像条件下的目标跟踪问题,本文提出了一种非常有效的红外特征表示。实验结果显示本文方法在多个公开测试集上都达到了较高的性能指标,特别地,在一个红外目标跟踪测试集和一个无人机运动目标跟踪测试集上本文方法都表现出了当前的一流水准。