无人机对地目标跟踪在侦查、预警、打击等领域具有重要作用及战略需求。在实际的对地目标跟踪或者打击时,无人机需要快速抵近飞行接近目标。在这一过程中,存在影响目标跟踪性能的若干关键问题,本文对此展开重点研究,以实现实时准确的跟踪目标。研究了一种融合似物性、显著性、先验性信息的初始跟踪目标精确定位算法,为后续的目标跟踪提供精确的初始跟踪目标。首先基于Edge Boxes似物性检测算法得到图像中多个似物区域,计算像素似物概率分布;接着采用频谱残差法构建像素显著性概率分布;然后根据检测确定的目标初始位置构建先验概率分布图;最后将这三者自适应融合构建多重线索融合概率分布,其中概率最高的Edge Boxes似物矩形区域作为精确定位后的初始跟踪目标区域。实验结果表明:算法能够在初始跟踪目标框出现较大漂移以及尺度变化的情况下,实时的对目标进行精确定位。针对无人机对地运动小目标实时跟踪中目标快速运动和目标被遮挡的难题,提出了自适应的融合基于多通道局部HOG特征的相关滤波模型跟踪响应和改进的全局颜色特征模型跟踪响应,对运动小目标进行准确的跟踪。利用判断指标判定目标快速运动时,扩大颜色跟踪的局部搜索区域,在颜色跟踪响应的多峰值位置,利用最优相关滤波器进行重检测来确定真实目标。利用判断指标判定目标被遮挡时,将局部搜索区域扩大,进行颜色初检测跟踪,在颜色跟踪响应的多峰值位置,利用被遮挡前的相关滤波器进行重检测得到目标的位置。实验结果表明:算法能够实时准确的跟踪快速运动小目标,平均帧率40.23帧/秒,具有较好的实时性。针对目标在跟踪过程中出现剧烈形变、特别是剧烈尺度变化的情况,提出了融合图像显著性与特征点匹配的形变目标跟踪算法。首先利用初始帧确定目标模板和目标模板特征点集合;接着对当前帧进行特征点检测,并与目标模板特征点集合进行匹配得到匹配特征点子集;然后融合匹配特征点和光流特征点确定可靠特征点集;再后基于可靠特征点集和目标模板特征点集粗确定目标跟踪框,基于图像显著性精确定目标跟踪框;最后融合图像显著性和可靠特征点自适应确定目标跟踪框。当连续三帧目标发生剧烈形变时,更新目标模板和目标模板特征点集。实验结果表明:算法能够实时准确的跟踪剧烈形变的目标,特别是剧烈尺度变化的目标,平均帧率48.6帧/秒。