红外或可见光成像检测及跟踪系统由于其处理的是多维信号（二维空间,一维时间），且是一种被动检测技术，故较之其它跟踪系统而言，具有隐蔽性好，抗干扰能力强，跟踪精度高等优点。这种以光学信号处理技术为基础的目标检测、捕获、跟踪和瞄准技术是目前许多先进武器系统的关键技术，被广泛的应用于多种武器装备中。近些年来，随着军事等领域上的要求不断提高，要求尽最大限度地尽早发现目标，使得人们对序列图像中远距离、低信噪杂波比情况下的微弱点状运动目标的检测及跟踪技术产生了浓厚的兴趣，并成为当前研究热点之一。对于序列图像中微弱点状运动目标的检测及跟踪技术，需要解决的重点问题有：（1） 如何在低信噪杂波比的情况下检测、捕获点状运动目标，并引导跟踪系统进行跟踪。（2） 如何解决快速处理、实时实现问题。本文的主要工作在于系统的研究了序列图像中微弱点状运动目标的检测及跟踪技术，介绍了国内外的研究动态及研究点，提出了序列图像中微弱点状运动目标的检测及跟踪的理论模型，并将该问题划分为图像预处理、目标检测及目标跟踪等三个部分，详细地论述了各个部分的关键技术，并进行了大量的理论及实验分析。本文的创新之处包括：（1） 提出一种基于鲁棒回归的运动背景补偿技术，该技术首先通过光流场模型及鲁棒迭代加权技术来估计摄像机运动模型参数，之后利用统一的摄像机运动模型参数来估计图像各象素点的运动速度，最后通过双线性变换进行背景补偿校正处理。该技术的主要优点在于：(a)具有较强的抗噪性能，(b)计算量小，实时性高。（2） 提出基于投影变换高维积累的序列图像微弱点状运动目标检测方法。该方法通过投影变换将本来需要在三维时空域进行目标搜索检测降为只在二维空域内进行目标搜索检测，从而大大减小搜索计算量。同时，在投影变换过程中尽量减小信息的损失，从而保证了较高的检测性能。<WP=6>（3） 提出了多种基于投影变换的目标检测算法，分别为基于“硬判决”的最大选择合并积累检测算法、基于“软判决”的最大选择合并积累检测算法、基于时域差分的快速微弱点状运动目标检测算法及依概率组合的高维积累检测算法。本文系统的分析了各种检测算法的理论及实际蒙特卡罗仿真实验性能。（4） 本文将概率数据互联滤波器原理成功的运用于跟踪序列图像中的微弱点状运动目标。本文在分析序列图像中微弱点状运动目标的运动特性后，根据概率数据互联滤波器的基本原理，推导了在序列图像情况下对微弱点状图像运动目标的跟踪算法。理论及实验结果表明，在序列图像情况下概率数据互联滤波器能够在保持跟踪实时性的同时，提供较高的跟踪精度。（5） 本文提出了序列图像情况下的微弱点状运动目标的检测及跟踪实施方案。通常文献中出现的检测算法都假设目标大小为1个象素，目标运动速度为1个象素/帧。本文提出的方案基于多分辨率思想，充分考虑了图像传感器的运动，目标大小不为1个象素，目标运动速度不为1个象素/帧情况下的目标检测及跟踪