最近十年以来,得益于计算机性能的增长,光电视觉检测发展迅猛。而在备受瞩目的空天领域中,飞行目标的识别与跟踪是该领域的主要研究方向之一,然而飞行目标的环境复杂多变,在识别和跟踪的速度以及准确性上还有很大的提升空间,此外现有方法无法做到智能的对新目标进行识别跟踪,因此开展复杂天气下的飞行目标物的识别与跟踪技术的研究具有重要意义。本文主要分为五部分内容,如下所示:在复杂天气下的飞行目标物图像增强算法方面,研究典型的雾天和雨天图像的处理方法。针对雾天情况下图像质量明显下降的问题,通过分析雾天成像模型以及飞行目标图像特点,对暗通道去雾算法进行改进,去雾效果良好,处理速度明显提升。对于雨天图像质量明显下降的问题,通过分析雨天图像成像模型分析图像降质原因,采用双边滤波结合去雾算法进行图像增强处理,显著消除了雨线造成的图像模糊。其次在飞行目标物识别算法方面,分析识别算法发展历程并对比最新的目标识别算法,考虑识别准确率以及识别速度,选择采用MobileNet-SSD方法进行飞行目标物识别。针对该方法存在的目标检测框定位不准的问题,提出基于目标框修正的改进MobileNet-SSD方法,实验证明该方法可以将检测结果的IoU(交并比)提升8.3%。在飞行目标物跟踪算法方面,通过分析跟踪算法的发展现状,考虑到跟踪的速度以及跟踪准确率选择使用SiamFC方法。为了进一步提升该方法的跟踪性能,利用MobileNet网络作为基础网络对SiamFC进行修改形成MobileNet-SiamFC方法。实验证明,该方法相比于原有方法跟踪成功率提升了6.8%,速度提升了122%。在目标识别与目标跟踪的融合策略方面,针对单独使用识别或跟踪方法无法做到对序列中新出现的目标进行跟踪的问题,提出两种不同的融合策略。首先是基于隔帧检测的跟踪方法,相隔固定帧对图像进行检测然后更新目标状态继续跟踪。该方法速度较快但是不能从新目标出现的第一帧进行跟踪。针对此问题进一步提出了基于抽帧检测的跟踪方法,先对图像序列进行抽帧检测获得所有目标新出现的位置,然后对整个序列进行跟踪。该方法能够对新出现的目标立刻跟踪。实验证明,对本文提出的两种融合策略结合使用能够对任意帧出现的目标进行跟踪。最后,本文介绍了以上方法所形成的对复杂天气下的飞行目标物进行识别跟踪的完整算法系统。制作和搜集了用于模型预训练和系统测试的数据集,通过测试数据集对系统进行测试,并分析了测试结果,结果表明本文所采用的复杂天气飞行目标识别跟踪系统的平均识别跟踪成功率达到了97.3%,能够对各种天气条件下的图像序列进行准确跟踪。