基于图像的目标识别与跟踪在国民经济和军事领域的许多方面都有着广泛的应用,对它的研究受到日益广泛的关注。本文讨论了基于DSP的空中目标识别与跟踪方法,主要做了以下几个方面的研究工作:首先介绍了DSP技术的发展,着重探讨了DSP在图像处理应用过程中程序结构的设计方法及大量数据传输的瓶颈问题。其次,重点研究了空中目标的分割技术。对于灰度分割,研究了基于二维二进小波变换的多尺度边缘检测方法及其改进算法;对于彩色的分割,探索了基于四元数描述的彩色边缘检测方法和基于色彩相似性的彩色聚类方法。通过仿真实验表明,这些分割方法均取得了不错的效果,为目标识别作好了准备。接着研究了对分割目标的特征提取,主要进行了边界不变矩特征的提取,同时为了后续的目标跟踪,也提取了图像的角点特征。然后是对目标进行识别,将目标特征样本输入到分类器中进行训练,再运用测试样本进行测试,得到了良好的识别结果。识别方法主要是运用了小波神经网络和模糊神经网络。小波神经网络主要研究了网络参数的初始化问题,模糊神经网络主要是对模型结构进行改进。在运动目标检测与跟踪阶段,对于静态背景和动态背景,分别研究了基于混合高斯模型背景建模和双帧差法的目标检测方法;然后确定出运动目标最小外接矩形,提取区域内角点特征,在相邻帧间进行角点匹配,完成目标跟踪。最后简单地总结了本课题的内容,并从硬件及软件方面对本课题的研究方向进行了展望。