伪装色移动目标的检测和跟踪是计算机视觉领域的一个研究难点,目前国内外针对伪装色移动目标检测和跟踪的相关研究工作较少。当前已取得的移动目标检测和跟踪的研究成果大多针对在视觉上与背景有一定差异的目标,当目标的色彩、纹理等属性在视觉上与背景极为相似时,这些算法将会失效。伪装色移动目标在视觉上与背景极为相似,图像数据非常相近。在野外环境中,背景是动态变化的,干扰因素较多,伪装色移动目标检测与跟踪的难度进一步加大。针对野外环境中的伪装色移动目标检测技术,本文从图像处理基础技术研究做起,在研究和总结了经典的移动目标检测和跟踪方法基础之上,逐渐深入,提出了一种利用图像空间结构关联性检测伪装色移动目标的算法,结合目标运动状态估计,完成了野外环境中伪装色移动目标检测与跟踪的任务。伪装色移动目标是一类在视觉上具有伪装特性的移动目标,对该类型目标的研究要建立在已有数字图像处理技术和移动目标检测与跟踪方法基础之上。文中总结了经典的数字图像处理技术,并在背景建模、目标建模和运动检测三个方面研究和总结的常用的移动目标检测和跟踪方法。在已有的研究成果基础之上,本文提出了一种利用空间结构关联性检测伪装色移动目标的方法。首先利用SIFT特征点提取方法,获得视觉特征明显并且稳定存在的特征点。其次在图像中分块计算这些特征点的重心和主方向作为空间结构关键点,以及这些分块区域中所包含的SIFT特征的统计直方图。然后利用上一步得到的空间结构关键点构建这些特征点的位置关联性,结合各个特征点所在分块区域的SIFT特征统计直方图,共同构成图像的空间结构关联性模型。具有伪装色移动目标会引起空间结构关联性的改变,通过检测这种空间结构关联性的变化可定位出因目标移动而造成空间结构改变的位置。同时,结合图像空间结构关联性的历史数据,可定位出目标位置,也建立了图像的时间关联性。实验结果表明,本文所提的方法能有效定位出移动目标存在的位置。但是本文所提的算法不能精确的确定伪装色移动目标的边缘,适用于背景或目标存在明显SIFT特征点分布的应用场景。另外,文中最后一章介绍了利用研究本文课题时掌握的图像处理知识完成的其它研究任务,包括机动车牌照定位、电力机器人视觉伺服技术、CT序列图像的肝脏分割。