地物背景下运动目标检测与跟踪技术是光电成像跟踪系统的关键技术之一，本文围绕地物背景下运动目标检测和稳定跟踪技术的理论、算法以及工程实现进行了研究。主要内容如下：　　 ⑴针对地物背景非常复杂、目标机动性强的特点，传统的基于单帧的静止图像分割算法一般无法检测目标，因此，论文首先分析了导致图像帧间灰度变化的影响因素，在成像系统搜索目标阶段，如果不考虑光照变化影响，可以认为摄像机运动是地物背景下帧间图像灰度变化的主要原因。在深入分析摄像机成像的物理模型的基础上，通过分析三维空域运动场到二维图像速度场的投影转换模型，得出目标检测中可以用仿射变换模拟场景运动的结论，为后续的算法研究提供了理论依据。　　 ⑵了改善光电成像跟踪系统中视频的视觉质量，以便后续的目标跟踪，详细对比传统电子稳像方法的基础上，提出了基于Kalman滤波的电子稳像算法。该方法利用特征点对应法求相邻帧间的运动，然后用最小二乘法计算出全局的仿射运动参数，最后，Kanan滤波方法把运动随时间的变化视为随机过程，把抖动参数当成运动的噪声，通过对抖动参数的分析从全局运动参数中分离出摄像机的正常扫描运动参数，达到稳像的目的，并用峰值信噪比和均方误差两个指标定量分析了算法的有效性。　　 ⑶充分利用背景与目标的运动特性，提出了基于背景运动补偿的目标检测算法。该算法采用多分辨率参数估计分层精确地估计摄像机的仿射运动参数，在各个分辨率下，运用Levenberg-Marquardt迭代法进行参数调整。背景运动补偿算法使摄像机运动情况下的目标检测问题转化为摄像机静止下的目标检测问题。针对差分检测法中的阈值选择问题，提出假设检验方法成功检测出地物背景下的运动目标。　　 ⑷针对经　　 典模板匹配跟踪算法的局限性，对粒子滤波理论进行了深入的分析，在此基础上提出了新颖的粒子滤波目标跟踪框架；该框架把目标跟踪问题看成状态估计问题，采用基于贝叶斯推理和蒙特卡罗方法的粒子滤波算法递归地实现了地物背景下的目标跟踪。在此框架的基础上，采用一种非参数估计的方法，引入核函数直方图分布作为目标观测，融入粒子滤波跟踪算法当中。模拟运动目标跟踪实验证明了粒子滤波跟踪方法的鲁棒性和稳健性，相比于模板匹配方法，具有明显的优势。真实场景跟踪实验证明了基于核密度直方图的目标观测具有良好的抗光照变化能力。　　 ⑸针对地面目标特征发生严重变化情况下仍能保持稳定跟踪的跟踪算法的两个主要要素——目标观测模型的描述和目标模板更新策略进行了细致分析，并提出了有效的融合解决方案，即把混合高斯模型引入粒子滤波的目标跟踪框架中，目标的观测模型采用含有三个分量的混合高斯模型来建模并用EM算法在线自适应地更新，形成基于混合高斯模型的粒子滤波算法，从而很好地解决了模板更新问题，该算法在地物背景下目标快速旋转、目标外观姿态快速变化和局部遮挡情况下的跟踪均取得理想的效果，且算法不需要普通粒子滤波算法的重采样策略，计算简单，易于硬件并行实现。　　 ⑹在基于CPCI架构的FPGA+DSP并行实时处理平台上，对基于混合高斯模型的粒子滤波实时跟踪算法进行优化，用FPGA实现了该算法，实验结果表明该算法能满足复杂背景下运动目标实时跟踪要求。