为满足光电跟踪系统图像跟踪抗遮挡、实时性的要求, 提出了一种改进检测器和目标模型更新策略的 TLD算法。首先, 通过帧差法获得差分图像序列, 其次, 利用动态 Otsu阈值对差分图像进行二值化处理, 滤除背景差分像素, 获取移动物体边界框, 最后, 产生局部滑动窗口, 进行随机厥分类和最近邻分类；并且优化了目标模型更新策略。实验表明, 对于分辨率为 320×240的视频, 改进算法较原算法跟踪速度提升比平均为 1.50, 满足系统的实时性要求；改进算法抗遮挡性能及在低对比度环境中的跟踪性能优于 Mean-Shift算法, 满足系统的抗遮挡要求。

提出了一种基于模糊最小二乘支持向量机(FLS-SVM)进行背景预测、利用模糊Tsallis-Havrda-Charvat熵实现阈值分割的红外弱小目标检测方法。首先采用FLS-SVM对训练样本进行学习得到回归函数，并以此预测红外图像中的背景；然后将原始图像与预测图像相减得到残差图像，并提出基于模糊Tsallis-Havrda-Charvat熵的阈值选取算法分割残差图像，将小目标和噪声从残差背景中分割出来；最后利用目标灰度的平稳性和运动轨迹的连续性进一步检测出真实的小目标。给出了实验结果及分析，并与基于最小二乘支持向量机(LS-SVM)以及基于最小二乘的背景预测方法的检测结果进行了比较。结果表明，该方法具有更高的检测概率和信噪比增益，优于上述基于背景预测的红外小目标检测方法。

运动目标检测领域中现有的差图像法是利用绝对值差图像检测差图像上运动目标区域，用现有方法检测时易受噪声干扰，而且当摄像机有自运动时需要进行背景运动补偿。因此，提出一种新算法，即首先分别计算正差图像与负差图像，然后利用运动目标区域在正差图像与负差图像中的幅值、形状以及运动等信息的对称性对其进行检测，最后给出针对飞机尾焰序列图像进行检测的结果。实验结果表明：该方法可提高运动目标检测的可靠性与效率。

在运用差图像算法进行运动人体检测、噪声消除的基础上,提出了将统计直方图与梯度边缘检测相结合的算法以消除运动人体的影子;同时运用图像扩展模板并配合图像边界处平滑的算法对被分割人体的断裂处进行连接填充.实验结果验证了上述算法对噪声抑制、人影消除以及人体图像断裂处填充的有效性.