空中目标跟踪是航空航天等探测系统的关键技术之一,由于观测距离较远,卫星目标往往因缺少形状和纹理特征而呈现为小目标甚至点目标状态,导致跟踪困难。特别是夜天星空背景下,卫星等小目标与其它恒星、行星较难区分,当存在大量噪声及伪目标对目标遮挡时,其跟踪就更加困难。因此,精确跟踪空中小目标具有挑战性。本文利用卷积神经网络对星空背景下的小目标跟踪进行了研究,主要工作如下:(1)针对星空图像中目标与噪声在大小和亮度上相似,提出基于混合模型的星空图像去噪算法。首先,采用快速、灵活的卷积神经网络对图像进行预降噪,保留目标的细节信息;其次,使用中值滤波器滤除强噪声;最后,基于直觉模糊集增强去噪后的图像。实验结果表明该模型不仅去噪能力有效,而且较好地保留了目标的细节和边缘信息,便于提取目标点,为后续精确跟踪目标奠定了基础。(2)针对星空背景下卫星小目标易被背景及其它恒星、行星等伪目标遮挡造成的跟踪漂移问题,提出基于多域卷积神经网络和自回归模型的空中小目标跟踪方法。首先,采用多域卷积神经网络自适应提取目标特征,有效区分类目标;其次,将网络输出的目标位置作为历史运动参数训练自回归模型,以估计目标运动轨迹并预测目标的位置;最后,采用边界框回归模型调整置信度最大的目标位置。该方法有效地融合了目标的特征信息和运动信息,成功解决了跟踪过程中目标被遮挡造成的漂移问题。(3)设计并实现了空中目标跟踪系统运用。基于MATLAB设计开发整个跟踪系统,主要功能为图像预处理和目标跟踪,包括图像去噪、图像增强、空中目标跟踪及运动轨迹估计,实现了对空中小目标精确跟踪的功能。