随着现代高科技飞速的发展，人类的活动空间已不仅仅局限在地球表面及低空区域，太空以及外太空已被视为兵家必争之地，能否对它进行有效控制对各个主权国家安全的意义重大，因此，太空已成为世界各国展示科技的平台和军事斗争的前沿阵地。在这种新的军事斗争形式中，基于视觉的空间目标监视系统起着基础性和关键性作用。空间目标监视系统的任务是对重要空间目标（特别是非合作目标）进行精确捕获、跟踪与匹配识别，确定可能对航天系统构成威胁的航天器的类型、任务、尺寸、形状和轨道参数等重要目标特性；对目标特性数据进行归类和分发。但天空气象复杂多变，特别是在夜空背景下，要实现目标的跟踪与识别比较困难。它融合了图像处理、模式识别、人工智能以及自动控制等许多领域的知识，是一个多学科的、极具挑战性的前沿课题，是计算机视觉领域中的研究热点之一。星空背景下运动小目标的跟踪与识别算法是本文研究的重点。本文在前人研究成果的基础上，对星空背景下的小目标的跟踪与识别算法进行了一些改进和实现，主要工作如下：首先，对于星空背景下运动小目标的检测，本文根据星空背景的特点介绍了在恒星定位的基础上采用RANSAC算法进行图像配准；同时，为了实现目标捕获，研究了基于混合高斯模型（GMM）的方法对小目标进行捕获的技术；在图像配准和捕获到目标的基础上，最终采用基于kalman滤波的算法对目标进行轨迹估计，获得目标运动的轨迹。其次，针对星空背景下近景目标的跟踪，本文研究了基于粒子滤波的跟踪技术，并提出了一种基于多模型混合的空间目标跟踪技术。根据粒子滤波的特点，将粒子滤波运用于星空背景下近景小目标的跟踪，实现了对卫星的有效跟踪。虽然粒子滤波算法可以实现对目标的有效跟踪，但它计算量巨大，所以本文还研究了采用基于仿射变换和粒子滤波的跟踪技术来对目标进行跟踪。实验表明，采用基于多混合模型的跟踪技术可以精确的对目标进行跟踪，与采用单模型的方法相比，基于多混合模型的跟踪技术大大提高了跟踪的精度，有效地融合了目标的颜色信息和运动信息，成功解决了与目标类似颜色的背景对跟踪的干扰问题，同时这种方法对目标遮挡也不敏感。最后，对于星空背景下目标的识别问题，文章分别采用傅里叶描述子和Shape Context描述子这两种轮廓描述子对目标进行轮廓特征提取，通过这些算子，我们成功的找到轮廓最为相似的目标进行匹配，实现了对目标的识别。