图像跟踪技术是计算机视觉领域中一个具有重要意义和实际价值的研究课题。尤其在军事领域,已经成为精确制导武器的一项关键技术。图像跟踪的难点在于,目标图像并不是一个确定不变的信号,而是随着被跟踪物体持续的平面旋转、放缩、位移以及三维姿态等运动而不断发生着各种复杂的变化。除此初次之外,图像目标往往还会受到复杂背景、大气扰动、各类噪声、遮挡、光照变化等环境因素造成的影响。如何从不稳定可靠的信息中获得可靠的跟踪效果是跟踪算法的主要任务。缺乏合适的目标模型是影响跟踪算法性能的重要原因,Thomas F.El-Maraghi为基于运动的复杂自然物体跟踪算法建议一种鲁棒,适应性强的目标表象模型。本文将在对该模型作一系列讨论。首先将该算法模型与其相关跟踪算法相结合,利用模型自动探求鉴定目标稳定信息的能力建立了适应性强的图像模板,并利用模型参数对常规匹配策略进行改进。接着介绍了WSL相位模型,由此引出相位模型的改进型,并在改进相位特征的基础上推导出更加鲁棒的多尺度特征,运用与WSL思想类似的方法建立一个新的跟踪模型。然后将基于运动的跟踪算法结合进来,建构一套新的鲁棒跟踪算法。最后对模型的几种变形方式作了探讨,并对几种不同的模型重采样策略做了比较分析。