运动小目标检测与跟踪技术是计算机视觉领域中最热门的研究方向之一。对于复杂背景环境下采集的小目标图像，图像信噪比低、对比度差，需要在检测前对图像进行预处理。目标检测是指从序列图像中寻找和提取目标的过程。在完成目标检测后，需要在图像序列的每帧图像中对运动目标进行有效的跟踪。本文在阅读相关文献的基础上，分析比较现有常用图像预处理、目标检测与跟踪算法，针对图像预处理与目标检测算法进行重点研究，并设计完成光电成像目标跟踪系统软件部分，为各类算法提供算法性能验证平台。有效的背景抑制是目标检测的提前，关系到整个系统的性能。本文首先对几种典型背景抑制算法进行研究，并在此基础上利用相邻像素块间相关性对图像进行背景抑制。通过实验对比各算法及本文算法背景抑制效果，并利用输出信噪比和信噪比增益两项指标对各算法性能进行评价，结果表明，该算法可有效的进行背景抑制。针对单帧图像目标检测算法，本文分析目前应用较为广泛的局部阈值法、最大类间方差法和最大熵法，通过对算法性能分析比较，选用分割效果较好的二维最大熵法。针对传统二维最大熵算法存在的计算量大、实时性较差的问题，本文在快速二维熵的基础上，利用积分图技术和图像像素点及其八邻域平均灰度值灰度分布特征，对算法进行改进从而提高算法运行效率。利用图像序列中目标轨迹具有连续性的特点，采用一种基于邻域判决的方法进行多帧目标检测，通过对叠加图中目标点灰度值特殊标记来快速分辨目标点在图像序列中的帧序及位置，从而降低算法复杂度和数据存储量。目标跟踪算法采用融合Kalman滤波器的MeanShift跟踪算法，通过实验该算法可有效进行目标跟踪。基于二轴转台的光电成像目标跟踪系统作为验证算法性能的平台，采用模块化设计思想及利用MFC编写人机交互界面，具有操作简单、算法添加修改方便等特点。利用线性摄像机模型及摄像机成像原理，对转台转动角度参数调整，实现视觉信息与控制信息之间的转换。本文中详细介绍系统中各模块的功能，并通过实验检测光电成像目标跟踪系统性能。