视频图像序列中微弱目标的检测和跟踪技术一直是人们研究的重点内容,在军事和民用方面都体现了重大的意义。本文从尺寸大小、灰度形态、运动特性三个方面介绍了微弱目标的模型参数,并分析了对微弱目标检测和跟踪的具体困难。接着介绍了人们在这方面所积累的一般经验与方法,在此基础上,揭示了本文将时空域信息相结合进行检测跟踪的系统流程。本文的重点是利用数学形态学的数字图像处理方法实现目标检测和轨迹跟踪,目标是针对本课题设计恰当的背景估计和跟踪算法。在背景估计方面,形态学的常用技术是Tophat变换和重构开运算,在文章中详细推导和介绍了这两种方法的原理、性质和实现,并在实验阶段从性能和计算量两个方面对比了两种方法。形态学中另一个重要的因素是结构元素,选取不同的结构元素,会给背景估计结果带来极大区别,因此,本文还讨论了在Tophat和重构开中结构元素选择的方法与技巧。为了减少帧间跟踪过程中系统的计算量,同时降低虚警目标轨迹的数量,本文在图像序列进入跟踪之前设计了背景抑制后处理系统,该系统利用已知的目标形态信息,选择合适结构元素,对原图作腐蚀运算形成两个标记,以此重构后同时消除尺寸大于和小于目标的虚假目标。接着,还利用了二值形态学中的极限腐蚀方法,缩小了目标点,简化了跟踪算法的实现。对于经过背景抑制后的图像,选用所包含目标的临域信噪比来衡量背景抑制方法的性能,并比较不同信噪比下的理论检测概率曲线;选用不同代码的执行时间来衡量背景抑制方法的运算量。最后,采用了两种图像序列来验证所设计的系统,一是在满足“微弱”条件下,在恒定背景上叠加运动目标,这代表了经过背景校正后的理想情况;二是真实采集的导弹发射轨迹图像,背景未经校正,具有运动特性。在此基础上,可以发现目标跟踪过程中参数的作用。