随着航运体系的发达,水面的情况也越来越复杂。水面环境保护、交通管理、水上救援、打击犯罪等各种水面情况的发生都对管理人员造成了很大的工作难度。因此对水面船只有效的识别,进行高效的管理,能够提高人员工作效率,对改善水面管理具有重要的意义。本文在对船只识别与跟踪的研究中,针对水面复杂的天气情况作了讨论,并对船只的实时跟踪和识别中遇到的问题进行了具体的分析,从而有效的实现了目标图像的识别与跟踪。本论文的研究内容分为如下几个部分:针对复杂的水面情况进行了讨论,把水面的天气情况分为三类,常规模式、夜晚模式和浓雾模式。对常规模式采用高斯卷积进行去噪,同时保留图像的大部分细节。对于夜晚模式进行灰度值的拉伸,然后采用拉普拉斯进行卷积操作,对图像进行增强。对浓雾模式进行Retinex算法去雾,并对其进行多尺度Retinex算法处理,进行两种方法的对比,有效的实现了有种天气下的船只图像的预处理,提高了图像的质量。针对船只的识别,本文采用了LBP级联分类器的方式对船只图像进行训练,然后把LBP级联分类器识别出的船只图像进行与标准模板库匹配,观察匹配系数,从而确定船只的类型。采用两种算法相结合的方式高效的进行数据训练并实现了对数据的快速识别。针对船只图像的跟踪,采用了GMM高斯混合模型的方式进行前后景的分离,提取出目标区域。然后对该区域进行形态学开运算处理,去除图像中的小目标。对目标区域进行HSV颜色空间转化,提取出H分量,建立图像直方图得到颜色概率分布。最后使用MeanShift算法与CamShift算法对比,通过分析及实验比较跟踪效果。实现了对目标与背景的自动分离,并有效的进行了船只的跟踪。