基于Mean Shift的紅外圖像序列的目標跟蹤方法研究.pdf

1、紅外成像技術通過獲取外界的紅外輻射進行工作，具有作用距離遠、易于隱蔽、可晝夜工作等優(yōu)點。隨著紅外成像技術的快速發(fā)展，其在軍事及民用領域的應用也越來越廣泛，包括:紅外精確制導、視頻監(jiān)控、偵查與安檢、搜索與跟蹤等諸多方面。基于紅外成像的目標跟蹤，作為其中的一項重要技術，發(fā)揮著重要的作用。不同于一般的光學圖像，紅外圖像信噪比低，噪聲信號復雜，目標與背景的反差小。這些特點使得在紅外序列圖像中進行穩(wěn)健的目標跟蹤的難度大大提高。
　　本文以紅

2、外目標跟蹤為研究背景，對基于Mean Shift的紅外目標跟蹤方法進行深入研究。Mean Shift跟蹤算法是動態(tài)目標跟蹤中常用的算法之一，可以很好地解決視頻序列中相鄰兩幀圖像的運動目標匹配問題，且不需要先驗知識，具有快速和有效的特點。Mean Shift跟蹤算法首先基于顏色直方圖對目標進行建模，然后以巴氏系數(shù)為標準比較目標和候選目標間的相似度，最后通過迭代計算得到所跟蹤目標的最優(yōu)位置。
　　由于紅外圖像噪聲干擾強，目標不能清晰的

3、同背景區(qū)分開來，傳統(tǒng)的Mean Shift跟蹤方法雖然能很好地應用于可見光的跟蹤，但在紅外跟蹤時效果會很差，針對這種情況，本文提出了能適用于紅外圖像序列的Mean Shift跟蹤算法。為了提高目標模型的表征能力，本文主要從兩個方面進行了改進:一是在建立目標模型時，利用目標區(qū)域周圍像素的灰度直方圖定義背景加權系數(shù)，并將該系數(shù)引入到目標灰度直方圖的計算中，通過這種方式降低背景像素對后續(xù)跟蹤定位的影響，提高了目標跟蹤的準確性;二是把不受光照和

4、背景顏色影響的紋理信息加入特征空間，利用LBP(Local Binary Pattern)算子進行提取，選取LBP8,1中五種紋理模式來表示目標紋理，然后將得到的紋理信息與灰度信息相結合，通過直方圖的方式共同去描述目標模型，使得目標表示更精確。實驗結果表明，本文提出的改進算法可以在紅外圖像序列中獲得穩(wěn)健的跟蹤效果。
　　針對紅外跟蹤過程中目標尺度不斷變化的情況，傳統(tǒng)的Mean Shift跟蹤算法保持核函數(shù)帶寬恒定不變，這會導致目標