基于Mean Shift的紅外圖像序列的目標(biāo)跟蹤方法研究.pdf

1、紅外成像技術(shù)通過(guò)獲取外界的紅外輻射進(jìn)行工作，具有作用距離遠(yuǎn)、易于隱蔽、可晝夜工作等優(yōu)點(diǎn)。隨著紅外成像技術(shù)的快速發(fā)展，其在軍事及民用領(lǐng)域的應(yīng)用也越來(lái)越廣泛，包括:紅外精確制導(dǎo)、視頻監(jiān)控、偵查與安檢、搜索與跟蹤等諸多方面?；诩t外成像的目標(biāo)跟蹤，作為其中的一項(xiàng)重要技術(shù)，發(fā)揮著重要的作用。不同于一般的光學(xué)圖像，紅外圖像信噪比低，噪聲信號(hào)復(fù)雜，目標(biāo)與背景的反差小。這些特點(diǎn)使得在紅外序列圖像中進(jìn)行穩(wěn)健的目標(biāo)跟蹤的難度大大提高。
　　本文以紅

2、外目標(biāo)跟蹤為研究背景，對(duì)基于Mean Shift的紅外目標(biāo)跟蹤方法進(jìn)行深入研究。Mean Shift跟蹤算法是動(dòng)態(tài)目標(biāo)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(yùn)動(dòng)目標(biāo)匹配問(wèn)題，且不需要先驗(yàn)知識(shí)，具有快速和有效的特點(diǎn)。Mean Shift跟蹤算法首先基于顏色直方圖對(duì)目標(biāo)進(jìn)行建模，然后以巴氏系數(shù)為標(biāo)準(zhǔn)比較目標(biāo)和候選目標(biāo)間的相似度，最后通過(guò)迭代計(jì)算得到所跟蹤目標(biāo)的最優(yōu)位置。
　　由于紅外圖像噪聲干擾強(qiáng)，目標(biāo)不能清晰的

3、同背景區(qū)分開(kāi)來(lái)，傳統(tǒng)的Mean Shift跟蹤方法雖然能很好地應(yīng)用于可見(jiàn)光的跟蹤，但在紅外跟蹤時(shí)效果會(huì)很差，針對(duì)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(biāo)模型的表征能力，本文主要從兩個(gè)方面進(jìn)行了改進(jìn):一是在建立目標(biāo)模型時(shí)，利用目標(biāo)區(qū)域周圍像素的灰度直方圖定義背景加權(quán)系數(shù)，并將該系數(shù)引入到目標(biāo)灰度直方圖的計(jì)算中，通過(guò)這種方式降低背景像素對(duì)后續(xù)跟蹤定位的影響，提高了目標(biāo)跟蹤的準(zhǔn)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(jìn)行提取，選取LBP8,1中五種紋理模式來(lái)表示目標(biāo)紋理，然后將得到的紋理信息與灰度信息相結(jié)合，通過(guò)直方圖的方式共同去描述目標(biāo)模型，使得目標(biāo)表示更精確。實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)算法可以在紅外圖像序列中獲得穩(wěn)健的跟蹤效果。
　　針對(duì)紅外跟蹤過(guò)程中目標(biāo)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(huì)導(dǎo)致目標(biāo)