目前,目标跟踪技术快速发展,其在无人机平台上的应用展现出了较大的实用价值,这对于提升无人机的智能化与自主化产生了深远影响。尤其在军事方面,目标跟踪技术可以辅助无人机完成敌情侦查、目标打击等一系列军事活动,成为提高无人机性能的关键技术。然而目前的目标跟踪技术种类虽多,但是并不能完全适应无人机在跟踪过程中遇到的各种问题,如目标尺度改变、目标遮挡、运动模糊等。本文针对无人机平台跟踪的特点,使用核相关滤波跟踪算法作为本文跟踪算法的框架,从多个方面对跟踪算法进行优化,研究设计了一套性能优良且可以适应于无人机平台的目标跟踪算法。首先本文针对无人机跟踪环境复杂多变的问题,提出了方向梯度直方图,颜色特征和局部纹理特征三种特征的自适应融合策略,通过融合这三种特征达到了检测过程中目标特征互补的效果,提高了跟踪算法应对运动模糊、光线改变和较小形变等问题的能力。针对无人机跟踪时遇到的目标遮挡问题,提出了一种“遮挡检测+偏移步长+自适应更新”的策略,该策略分别从判断目标是否受到遮挡,遮挡后的处理方案以及根据遮挡程度实现模板自适应更新三个方面解决了目标的部分遮挡或者短时间完全遮挡的问题。本文使用三级尺度池交替检测技术解决了无人机跟踪过程中的尺度时时改变问题,该方案打破了目标宽高比固定的限制,并且保证了本文的跟踪算法有较好的跟踪实时性。其次,无人机跟踪时需要在第一帧图像中手动选择跟踪目标。选择目标时可能会带有较多的背景信息而影响到整个跟踪过程的问题,本文使用显著性检测技术滤除背景信息。目前的显著性检测算法一般只使用了颜色特征作为识别显著区域的依据,本文在此基础上添加了空间特征以及约束条件,提高了显著性检测算法的精确度。同时,基于显著性检测算法得到的显著图,本文提出了一种提取显著区域的方案,并使用显著性算法和显著区域提取方案实现了初始帧图像中目标区域自适应的目的。最后,为了验证本文跟踪算法的性能,使用OTB数据库以及实际航拍图像序列分别在定量和定性方面对本文跟踪算法进行了分析与检验。实验表明,本文的跟踪算法不仅在定性的实验中取得明显的优越性,在定量方面以81.1%的精确度和71.3%的成功率超过了其他跟踪算法的跟踪性能。同时,本文算法的处理速度为33帧/s,可以满足无人机的实时性跟踪需求。