图像目标追踪技术,作为一种目标探测和追踪手段,具有成本低和人机互动方便等优点,在巡飞弹等小型飞行器中具有良好的应用前景。飞行器平台上的图像目标追踪问题,因为相机的运动、目标可能被遮挡和较长的追踪时间等原因,具有一定的特点和难点。本文对此进行了详细地讨论。在此基础上,本文以应用于飞行器平台上的追踪问题为目标,从目标表示与识别、目标状态追踪更新两个方面,综述分析了各图像目标追踪算法,并介绍了机器学习方法在此问题中的应用。以追踪目标位置和大小变化为目标,本文提出了以卡尔曼滤波预测追踪算法为基础,以求解可准确分割目标任意不规则边界的几何活动轮廓模型为目标状态观测手段的基础追踪算法。详细介绍了几何活动轮廓模型的相关原理和数值求解算法以及卡尔曼滤波预测追踪的原理,然后给出了将卡尔曼滤波和几何活动轮廓模型相结合的基础追踪算法。针对基础算法在实验过程中出现的、当目标在图像平面内急剧非线性运动时追踪失败的问题,本文研究了利用SURF特征点匹配结果估算目标外接矩形位置并重新求解活动轮廓,进而修正目标观测向量防止追踪失败的算法。通过模拟实验验证,此算法可以成功地追踪目标的位置和大小变化。遮挡问题普遍存在于图像目标追踪任务中,是其难点问题。在飞行器平台上,追踪目标的时间较长,追踪过程中相机在不断运动,所以目标被遮挡的可能性大大增加。本文讨论了遮挡问题的产生原因和目前的研究现状。然后研究了基于前文中所提追踪算法的、结合特征点匹配与目标颜色统计直方图反向投影匹配两种方法的处理目标被遮挡情况的算法,并对其进行实验验证和讨论。