针对光照突变或强辐射源干扰条件下由于目标能量变化引起跟踪不稳定且易丢失的问题，提出了一种可适应目标能量突变的自适应红外图像增强预处理算法。首先通过最大极值稳定区域方法对目标进行检测，实时计算目标区域平均灰度，并通过最小二乘对下一帧目标均值进行预测，当检测到实时目标能量与预测均值能量突变超过一定阈值后，使用自适应增强方法重新预处理目标图像，使突变前后目标及其附近背景区域对比度保持稳定，然后通过核相关跟踪算法对目标能量变化前后的目标进行跟踪。实验结果证明，该增强算法能有效改善目标能量突变情况下目标跟踪的稳定性和准确性。

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。

针对遮挡、目标形变、噪声干扰等复杂场景下目标跟踪问题,提出了一种基于最大邻近距离( Maxium Close Distance, MCD )的抗遮挡快速跟踪算法,定义了灰度差异和最大邻近距离相结合的相似性度量方法,并根据相关系数自适应更新目标模板,利用多十字交叉快速搜索方法加速目标匹配的过程。当目标被遮挡时,采用Kalman预测滤波算法预测目标位置,维持目标的跟踪。实验结果表明,该算法能实现遮挡情况下的目标跟踪,目标跟踪精度优于8个像素,为遮挡、目标形变、噪声干扰等复杂场景下目标实时跟踪提供了一种解决方法。

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。

提出一种基于ADSP-BF561的视频跟踪与处理系统设计方法。系统利用ADSP-BF561的双核并行处理性能和丰富的视频编解码接口，采用一种相关跟踪算法对其进行优化，算法是一种以相关系数作为相似性度量准则的相关跟踪算法。对该系统进行测试，结果表明：针对PAL制目标视频图像序列，系统可以实现复杂背景下的实时目标跟踪，视频目标跟踪对每帧的处理时间为22 ms，解决了目标跟踪的实时性要求。

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。