针对彩色图像匹配大多数仅利用图像灰度特征，忽视彩色信息，在颜色相近区域易造成误匹配的问题，引入颜色不变量，提出一种用于彩色图像的颜色尺度不变匹配算法。该算法首先将图像的RGB 颜色模型转换到高斯颜色模型。随后，通过计算颜色不变量代替灰度信息作为输入，建立多尺度空间，并使用SIFT 算法提取特征点，构建特征描述子。最后，选择其中一幅图的特征描述矢量为基准，利用FANN 算法在另一幅图的特征描述矢量中，寻找基准图像特征矢量的最优解即匹配对，从而完成两幅图像的匹配。实验证明，相对于传统的SIFT 图像匹配算法，本文的算法匹配正确率更高，图像匹配质量更好。

针对压缩感知目标跟踪算法在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足, 提出一种面向高斯差分图的实时跟踪算法.首先, 构建图像的多尺度空间及其对应的高斯差分图, 实现高斯差分图的特征提取并获取压缩感知的输入信号;然后, 通过压缩降维, 目标邻域遍历, 参数更新等过程, 计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后, 将跟踪窗投影到对应的原始图像上, 完成面向视频流的目标跟踪.高斯差分图像是单通道灰度图, 具有灰度取值范围小、数值低、结构简单、维数少等特点, 增强了特征对纹理改变、比例缩放和光照变化的稳健性, 且继承了传统算法的实时性.实验证明, 该算法能够快速准确地实现复杂环境下的移动目标跟踪任务.