红外制导技术是**制导领域研究的热点和主要方向。针对探测跟踪过程中核相关跟踪算法（Kernelized Correlation Filter，KCF）对快速运动和严重遮挡目标的跟踪精度下降问题，提出一种融合卡尔曼滤波和运动模型的改进核相关目标跟踪算法。该算法首先利用运动模型对目标的位置进行初始估计，提出一种自适应搜索区域选择的方法。针对测试样本的置信度响应图呈现多峰平坦的情况，本文提出了一种用于目标相似度量的组合置信度测量策略，采用相关峰的锐度和置信图的平滑度约束来进一步计算疑似区域的置信度，提升算法的抗干扰能力；同时，本文也提出了一种基于最优置信度的自适应参数更新，增强模型的泛化能力。大量的仿真实验结果表明本文所提的算法的跟踪性能超过传统的核相关跟踪算法，对复杂的跟踪场景具有更强的鲁棒性与抗干扰能力。

针对目前弹载红外目标跟踪算法对快速机动目标适应性较差的问题，本文在现有模板跟踪算法的基础上提出了一种鲁棒普适的自适应更新策略。该策略利用多个不同学习因子的更新模型，通过对不同模型下的跟踪置信度进行分析，自适应地对模型进行更新，有效地解决跟踪过程中目标剧烈外观变化或微弱位移变化。大量的定性定量实验表明本文所提的算法的跟踪性能超过现有的大多数算法，在现有弹载红外目标跟踪板硬件余量有限的情况下也能实现稳定跟踪复杂背景下的目标。同时，本文算法已经在挂飞测试中获得较理想的效果，适合**装备的应用。

结合图像制导**的工程应用,提出了一种融合微机电系统(Micro-Electro-Mechanical System, MEMS)-惯性测量单元(Inertial Measurement Unit,IMU)信息的亚像素相关跟踪方法。该方法采用基于速率测定的误差补偿方法对MEMS-IMU的测量误差进行补偿,以实现MEMS-IMU信息与图像数据的异质数据融合,同时采用基于模板插值的亚像素相关跟踪算法来提高跟踪精度。结果表明,该方法不仅可以较好地解决目前单靠图像信息提升图像跟踪精度时所面临的算法实时性与复杂度之间的冲突问题,而且还可以有效提升动基座下的图像跟踪精度。

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。

通过人工红外照射改变目标与背景的红外辐射特性能够对相关跟踪形成有效干扰，其中，红外照射的位置对干扰效果具有重要影响。为提升红外照射干扰相关跟踪的效率，文中建立了红外照射仿真搜索相关跟踪干扰点模型，对干扰相关跟踪的有效照射位置进行快速搜索。首先，运用TracePro光线追迹软件建立了真实实验条件下的红外照射系统模型，并利用高斯模型对照射光斑的照度分布进行了拟合。然后，在一定空间范围内，采用二维扫描的方式进行真实照射干扰和仿真照射干扰对比实验，结果表明：仿真照射与真实照射的干扰结果一致性达到了98%，且仿真照射找出了真实照射条件下干扰相关跟踪的全部干扰点，从而很好地验证了文中方法的有效性。

对于广泛应用于图像识别和跟踪的激光主动成像系统，激光干扰是影响该类系统性能的一个重要因素。激光干扰使系统中的光电成像元件达到饱和或损伤，在探测视场中出现光斑，从而使跟踪算法无法准确分辨目标和光斑。因此，分析并评估激光对主动成像系统的干扰效果是避免干扰的前提,同样也是重要的环节。提出一种基于图像特征的边缘相似度(ESIM)评价算法，该算法通过模板匹配确定图像的目标区域，并比较原始图像和干扰图像目标区域的亮度、对比度和边缘清晰度差异，得到归一化的评价指标，作为对激光干扰效果的评估标准。实验中分别采集了不同干扰功率和不同光斑位置的激光干扰图像，并利用相关跟踪和形心跟踪方法对目标进行跟踪，运用本文提出的ESIM算法从图像特征角度对干扰跟踪效果进行评估，结果证明ESIM能够合理评估干扰图像的失真程度，并可以较好地反映激光对主动成像系统跟踪性能的影响。

介绍了一种能稳定快速跟踪复杂背景下目标的算法,该算法在传统相关跟踪算法的基础上进行改进。当目标进入红外(电视)摄像机视场时,视频信号中包含有目标信息和背景信息,信号处理器先将此信号进行数字化处理,形成具有一定灰度等级的数字化图像阵列,然后采用边缘检测、阈值分割等算法对包含有目标信息的图像进行边缘处理,提取出具有特征的目标点,从而将目标从背景中分离出来,再采用相关算法对目标进行跟踪。试验证明,对于传统算法无法稳定跟踪的目标,改进后的算法能够稳定跟踪。

针对相关跟踪算法，研究了灰度畸变对它的影响。首先，对相关算法进行了分析，选取归一化互相关积算法作为研究对象。然后，选取调制对比度描述灰度畸变的剧烈程度，分析了引起对比度变化的因素。再次，利用Matlab软件仿真计算，详细分析了对比度、相关度和图像畸变面积之间的关系。最后，实验证明了理论分析的正确性。

相关跟踪算法以其理论简单、直观、对图像质量要求不高等特点，一直是人们在跟踪算法方面的研究重点。针对相关跟踪抗遮挡能力差、容易受目标姿态变化和相似目标干扰的问题，使用了线性最小二乘估计对目标运动进行预测，同时采用高斯+1型函数和椭球面函数作为中心距离加权系数来改善跟踪模板使得模板更加突出中心位置信息。改进后的相关跟踪算法不但较好地解决了遮挡和相似目标干扰的问题，而且克服了局部遮挡和小范围形变对相关跟踪的影响。仿真试验表明：线性最小二乘估计及中心距离加权的改进型相关跟踪算法与传统的相关跟踪算法相比能更准确地跟踪目标，并具有一定的抗干扰能力。

通过对各种跟踪算法的研究, 提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法, 并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明, 该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。