复杂背景下的扩展目标跟踪是目标识别与跟踪技术中的重点和难点，它主要涉及两个方面的难题：一是复杂背景下的背景杂波抑制与目标识别问题；另一个是扩展目标的高精度稳定跟踪问题。相关方法是一种广泛应用于扩展目标跟踪的方法，它基于图像的相似性度量，通过在现场获取的实时图像中寻找与模板图像最接近的区域来跟踪目标物体，具有算法简单、跟踪稳定、定位准确、可实现性强等优点。在针对扩展目标跟踪的相关方法中，用目标局部图像为模板的方法是最常见的一种，它直接跟踪目标的局部图像块，简单方便。本论文针对复杂背景下扩展目标的跟踪问题，深入分析了当前几种典型的跟踪方法，重点研究了相关跟踪方法，并在现有的相关跟踪方法基础上做了改进，最后在matlab7.0平台上实现了跟踪算法的流程仿真，证明改进后的算法和传统的相关跟踪算法相比，具有更高的精度和更好的稳定性。本文的主要研究内容包括：1．研究了图像金字塔分级方法，利用中值和均值滤波原理设计了1／3抽样的分级算法，并有效应用于跟踪中的分级搜索。2．研究了不同的相似度定义，采用并改进了最大相似点计数(MPC)距离。新的定义考虑了相似像素对的相似程度对相关度的影响，使匹配更准确。3．研究并改进了模板更新方法，引入了跟踪效果评价机制，跟踪效果差的最佳匹配图像不能参与模板更新。4．研究了亚像素定位方法，设计了基于插值的亚像素定位算法，实现了在像素级跟踪后对目标的亚像素精度定位。5．研究了图像分割方法，利用目标的运动信息和MPC定义，设计了一种针对运动扩展目标的有效的图像分割算法。通过对多组复杂背景下的扩展目标视频的跟踪仿真实验，证明了本文的相关跟踪算法与传统方法相比，具有更高的精确性、稳定性和更好的抗噪、抗模糊、抗形变能力。同时对多组扩展目标的分割实验也表明，本文设计的图像分割算法也能准确地分割运动的扩展目标。