光电成像末制导目标初始化与跟踪技术是光电成像制导武器系统中的核心技术，以这类武器系统为代表的精确制导武器对现代战争中的胜负起着决定性的作用。因此，本文就光电成像末制导目标初始化以及末制导目标跟踪两个难点进行了深入研究，给出了几种新的末制导目标初始化和末制导目标跟踪算法，形成了一套相对完整的末制导工作流程。末制导目标初始化要求算法能够适应基准图像与实时图像之间较大程度的尺度、旋转角、灰度、噪声和3D视角差异，实现稳定可靠的宽基线图像匹配。针对此要求，本文主要进行了以下研究：基于快速鲁棒性特征(SURF)和简单有效的3D视角补偿，构造了一种新的光电成像末制导目标初始化方法。SURF具有尺度和旋转不变性，并对灰度不敏感，解决了基准图像与实时图像间的尺度、旋转角、灰度差异和噪声干扰问题，利用3D视角补偿，大大提高了SURF对3D视角差异的鲁棒性，从而适应了基准图像与实时图像间较大的3D视角差异。将基于仿射不变性特征的宽基线图像匹配引入到末制导目标初始化中，基于LBP的两种改进形式：均匀与旋转不变性组合模式和LBP直方图傅里叶特征，分别构造了两种新的灰度和旋转不变性特征描述符，实现不变性特征描述的同时，省略了传统算法常用的特征主方向求取和图像旋转的步骤。基于传统的宽基线图像匹配算法框架，利用最稳定极值区域(MSER)和两种新的特征描述符，实现了稳定有效的末制导目标初始化。基于随机蕨分类器进行宽基线图像匹配，将图像匹配视为分类问题，把运算量较大的高维特征向量匹配转移到分类器离线训练过程中，解决了传统宽基线图像匹配算法运算量较大的问题。针对随机蕨分类器进行图像匹配时误匹配特征对较多的缺陷，利用SIFT描述符对初始匹配特征进行特征描述，基于马氏距离准则进行二次匹配，剔除掉部分误匹配特征对，提高了算法在极端环境下的鲁棒性。另外，给出了该算法在硬件系统上运行时的工作流程、存在的问题以及解决方案。末制导目标跟踪要求算法能够适应导弹在朝向目标飞行过程中，目标尺寸的急剧放大以及一定程度的图像晃动，针对此要求，本文提出了以下两种跟踪算法：提出了基于高斯尺度空间的末制导目标跟踪方法。通过对大量末制导图像序列的分析，发现末制导跟踪过程中目标尺寸急剧放大导致跟踪点漂移以及由于新的目标细节信息的出现导致定位错误和模板刷新时机难以把握等难点。利用高斯尺度空间进行多尺度描述，根据尺度参数对尺度空间进行尺寸调整，估计目标与导弹在不同距离下的成像大小，解决了模板尺寸难以确定的问题，同时尺度空间构造过程中的高斯平滑抑制了新出现的目标细节信息，利用平均绝对差分(MAD)匹配准则选取最优匹配图像和匹配位置，根据最优匹配图像缩放比率获得目标最终位置和尺寸，该方法能够实现可见光城市、野外场景以及红外目标的稳定跟踪。针对传统的基于傅里叶梅林变换的图像匹配方法只能适应一定程度尺度差异的缺陷，利用高斯尺度空间理论对该算法进行改进，构造了一种基于多尺度傅里叶梅林变换的图像变换参数估计策略，提高了算法对图像尺度差异的鲁棒性。并以此为模板参数估计策略，估计模板与当前目标的尺度与旋转变换参数，及时进行模板刷新，以确保目标跟踪的稳定性，该方法能够实现可见光城市场景下的末制导目标跟踪，但对野外场景和红外目标不适用。