基于紅外與可見光圖像融合的目標跟蹤.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，而紅外圖像可以顯示目標但其邊緣信息模糊，將紅外圖像和可見光圖像融合可以提高目標跟蹤的性能。
　　本文研究了基于Kalman預測器的自適應模板的相關(guān)跟蹤算法。通過使用相關(guān)系數(shù)及其變化判定遮擋時刻；利用Kalman預測器對目標可能的搜索區(qū)域進行預測；使用基于模板緩沖區(qū)的更新策略更新目標模板。
　　Camshift跟蹤算法以計算量小、抗目標變形、旋轉(zhuǎn)和抗小面積遮擋等優(yōu)點，得到普

2、遍的重視和廣泛的應用。但是Camshift算法不易排除相似顏色的目標干擾以及不能跟蹤快速移動的目標。本文提出了基于Kalman預測器的改進的Camshift跟蹤算法。該算法對于相似顏色的干擾，采用基于空間梯度信息的顏色目標模型；對目標遮擋采用bhattacharyya系數(shù)以及目標面積的變化進行判斷；采用Kalman預測器對目標快速運動的搜索區(qū)和遮擋過程中的目標位置進行預測。
　　本文在基于Kalman預測器的改進的Camshift

3、跟蹤算法的基礎(chǔ)上，針對紅外和可見光圖像融合的目標跟蹤進行研究。首先研究了基于像素級平均加權(quán)的圖像融合跟蹤；然后針對紅外和可見光的不同特性，使用基于特征融合的目標跟蹤算法，其中對紅外圖像提取灰度值和梯度，對可見光圖像提取目標的顏色和梯度，通過對兩種圖像的bhattacharyya系數(shù)判定，得到各自的權(quán)重，再根據(jù)各自的權(quán)重計算出目標的位置。
　　本文較全面、深入地研究了多傳感器單模、雙模目標跟蹤算法的原理、方法及應用，并在此基礎(chǔ)上實現(xiàn)