随着计算机视觉技术和图像并行处理技术的飞速发展，基于图像的目标识别与跟踪技术在军事领域、航空航天、科学探测、天文观测以及视频监控等民用领域具有越来越广泛的应用，也成为自动控制、计算机视觉和模式识别等领域的研究热点。本论文以实际科研项目为课题研究背景，主要围绕基于图像的目标识别与跟踪技术开展相关研究工作。首先，论文针对目前实际图像所普遍存在的高斯噪声和脉冲噪声，给出了一种图像自适应-模糊滤波算法。该算法首先判别并标定图像噪声，以实现两类噪声的分离。采用自适应中值滤波算法滤除脉冲噪声，有效地克服了中值滤波的不足。再有效滤除脉冲噪声的基础上，文中引入了模糊控制中隶属度函数的概念以改进均值滤波算法，结合图像直方图自适应给出隶属度函数的阀值，克服了均值滤波造成图像模糊的不足。其次，论文给出了基于特征空间描述的Gabor小波特征识别算法。在对Gabor小波自身特性和参数特性进行了深入分析的基础上，给出了新的Gabor小波系数快速计算方法和新的Gabor小波参数选取方法。在计算Gabor小波系数的快速算法中，通过建立离散哈特莱变换与Gabor小波系数变换之间的对应关系来实现对Gabor小波系数的快速计算。该方法较经典的Gabor小波系数计算方法在计算量上有明显减少。在Gabor小波参数选取的问题中，本文在广泛应用的经典参数组合法基础上，通过引入概貌和细节结合的能量函数概念及方向寻优算法来选取Gabor小波参数。该方法既能够有效发挥Gabor小波参数特性，又能够避免经典参数组合法对Gabor小波参数选取过多而造成计算量过大的问题。在研究Gabor小波的特征点匹配过程中，论文给出了“子运动目标”和“子模板”的概念，改变普通匹配方法中将图像模板作为整体看待的思维定势。可以通过“子模板”的匹配实现对图像目标的识别与跟踪，虽然同样存在图像匹配遍历问题，但可大大减少图像匹配的计算量，减少图像匹配的计算时间。在基于模板匹配的目标识别算法中，论文给出了改进的序贯相似性检测算法和改进的均值移动算法。在改进的序贯相似性检测算法中，主要从算法的快速性和准确性上出发，给出了四条改进建议和模板更新策略。均值移动算法是目前相对较新的一种目标识别算法，具有实时性好、定位准确和鲁棒性强等优点，但也存在如对于快速有遮挡目标识别跟踪效果不好等不足。论文针对快速运动目标、目标遭遇大比例遮挡和目标丢失等不足给出了相应的改进方法。最后，针对图像目标跟踪问题，在建立机动目标数学模型的基础上，针对应用较为广泛的当前统计模型卡尔曼算法在强机动性目标情况下所表现出来的不足，给出了一种基于卡尔曼的非线性自适应跟踪算法。该方法具有能够有效补偿模型线性化所带来的误差、实时调整系统增益、提高预测精度和增强对强机动目标的跟踪能力等优点。