El reconocimiento de patrones basado en correlación ha sido ampliamente estudiado. Los filtros de correlación comúnmente se diseñan optimizando analíticamente un criterio de desempeño para un modelo de señales. Esto permite la derivación de filtro óptimos para una aplicación dada. Sin embargo, la derivación comúnmente se realiza bajo el supuesto de que se conocen explícitamente la apariencia y forma del objeto de interés. En situaciones prácticas, el objeto se muestra en una imagen de la vida real y su apariencia se extrae mediante segmentación manual. Aún cuando la referencia se captura en un ambiente controlado, las imágenes inevitablemente contienen ruido debido al proceso de formación de imagen. Además, el desempeño de los filtros de correlación se ve afectado por cambios en la apariencia del objeto en la escena. En esta tesis se proponen nuevos modelos de señales y se derivan filtros óptimos para detectar un objeto en escenas aditivas y no traslapadas. Los modelos propuestos consideran la presencia de ruido en la imagen de referencia usada en el diseño de filtros. Al considerar el ruido como parte del modelo, no se requiere segmentación manual. De esta manera, se puede reconocer objetos en forma automática. Los parámetros necesarios para el diseño del filtro se estiman a partir de una imagen ruidosa de referencia. Se proponen diferentes estimaciones para cada modelo. Simulaciones por computadora muestran que los filtros y estimaciones propuestas permiten la detección automática confiable de objetos aún en la presencia de ruido moderado. El desempeño de los filtros se evalúa en cuanto a su capacidad de discriminación y errores de localización. Se propone un algoritmo adaptativo para el diseño de filtros compuestos para tomar en cuenta cambios de apariencia del objeto debidos a distorsiones geométricas. El algoritmo propuesto se basa en funciones discriminantes sintéticas y usa información sobre el objeto, el ruido en la escena, y un ejemplo de fondo de la escena. Con un proceso iterativo, la capacidad de discriminación del filtro se mejora hasta alcanzar un nivel deseado. Simulaciones por computadora muestran que los filtros adaptativos propuestos pueden detectar objetos con distorsiones aún cuando las imágenes de referencia contengan ruido fuerte. Se muestra una aplicación del algoritmo propuesto para rastrear objetos en secuencias de videos en tiempo real. El sistema utiliza un banco de filtros diseñado para garantizar una precisión de localización deseada con el mínimo número de filtros.Correlation pattern recognition has been extensively studied over the years. Correlation filters are commonly designed by means of analytical optimization of a performance criterion for a given signal model. This allows the derivation of optimum filters for a given application. However, the filter derivation is commonly carried out assuming that the appearance and shape of an object of interest are explicitly available. In practical situations, a target is given in a real-life image, and its appearance is extracted by manual segmentation. Even in situations, in which a reference is captured in a controlled environment, images are inevitably corrupted by noise due to the image formation process. Furthermore, changes in the appearance of the target in a scene affect the detection performance of correlation filters. In this thesis, new signal models are proposed, and optimum filters are derived for detecting a target in additive and nonoverlapping scenes. The proposed signal models take into account the presence of noise in the reference image used for filter design. By considering the noise as part of the model, no manual segmentation step is required. So, it allows automatic target recognition. The parameters required for optimum filter design are estimated from a single noisy reference image. Different estimation methods are proposed for each signal model. Computer simulations show that the proposed filters and suggested estimations allowing reliable automatic target recognition even in the presence of moderate levels of noise. Filter performance is evaluated in terms of discrimination capability and location errors. An adaptive algorithm for composite filter design is proposed to take into account the appearance changes of the target owing to geometric distortions. The proposed algorithm is based on synthetic discriminant functions and uses information about the target, noise processes in the scene, and a sample background of the input scene. Using iterative procedure the discrimination capability of the filter is improved until it reaches a desired level. Simulation results show that the proposed adaptive filters can detect a geometrically distorted target even if the reference images are corrupted by strong noise. An application of the proposed algorithm to tracking objects in video sequences in real-time is presented. The system uses a bank of filters designed to guarantee a desired location accuracy with the minimum the number of filters.