基于紅外與可見光圖像融合的目標(biāo)跟蹤.pdf

1、可見光圖像不能顯示在夜間或者煙霧遮蔽環(huán)境中的熱源目標(biāo)，而紅外圖像可以顯示目標(biāo)但其邊緣信息模糊，將紅外圖像和可見光圖像融合可以提高目標(biāo)跟蹤的性能。
　　本文研究了基于Kalman預(yù)測(cè)器的自適應(yīng)模板的相關(guān)跟蹤算法。通過使用相關(guān)系數(shù)及其變化判定遮擋時(shí)刻；利用Kalman預(yù)測(cè)器對(duì)目標(biāo)可能的搜索區(qū)域進(jìn)行預(yù)測(cè)；使用基于模板緩沖區(qū)的更新策略更新目標(biāo)模板。
　　Camshift跟蹤算法以計(jì)算量小、抗目標(biāo)變形、旋轉(zhuǎn)和抗小面積遮擋等優(yōu)點(diǎn)，得到普

2、遍的重視和廣泛的應(yīng)用。但是Camshift算法不易排除相似顏色的目標(biāo)干擾以及不能跟蹤快速移動(dòng)的目標(biāo)。本文提出了基于Kalman預(yù)測(cè)器的改進(jìn)的Camshift跟蹤算法。該算法對(duì)于相似顏色的干擾，采用基于空間梯度信息的顏色目標(biāo)模型；對(duì)目標(biāo)遮擋采用bhattacharyya系數(shù)以及目標(biāo)面積的變化進(jìn)行判斷；采用Kalman預(yù)測(cè)器對(duì)目標(biāo)快速運(yùn)動(dòng)的搜索區(qū)和遮擋過程中的目標(biāo)位置進(jìn)行預(yù)測(cè)。
　　本文在基于Kalman預(yù)測(cè)器的改進(jìn)的Camshift

3、跟蹤算法的基礎(chǔ)上，針對(duì)紅外和可見光圖像融合的目標(biāo)跟蹤進(jìn)行研究。首先研究了基于像素級(jí)平均加權(quán)的圖像融合跟蹤；然后針對(duì)紅外和可見光的不同特性，使用基于特征融合的目標(biāo)跟蹤算法，其中對(duì)紅外圖像提取灰度值和梯度，對(duì)可見光圖像提取目標(biāo)的顏色和梯度，通過對(duì)兩種圖像的bhattacharyya系數(shù)判定，得到各自的權(quán)重，再根據(jù)各自的權(quán)重計(jì)算出目標(biāo)的位置。
　　本文較全面、深入地研究了多傳感器單模、雙模目標(biāo)跟蹤算法的原理、方法及應(yīng)用，并在此基礎(chǔ)上實(shí)現(xiàn)