1 北京理工大学机电学院，北京 100081
2 军械工程学院导弹工程系，河北 石家庄 050003
提出一种多特征融合和带宽自适应均值偏移跟踪算法。基于M-估计器建立位置和带宽关于完整参数型带宽矩阵的迭代更新公式。分析权值图像的本质，基于灰度和局部标准差建立融合权值图像。通过先前目标模板模型和确定的目标模型的平均值生成当前目标模板模型。在位置向量的迭代公式中，采用扩大的带宽矩阵，确保定位精度。为防止由于背景杂波导致带宽膨胀或者由于目标自我相似导致带宽收缩，引入规范准则。跟踪的视觉结果和评估尺度表明，提出的跟踪算法相比于另外三种尺度自适应均值偏跟踪算法，具有最好的性能。
红外 跟踪 带宽自适应 M-估计器 均值偏移 tracking bandwidth adaptive M-estimator mean shift
1 北京理工大学 机电学院, 北京 100081
2 军械工程学院 导弹工程系, 石家庄 050003
针对红外序列复杂度对目标跟踪性能的影响问题, 提出基于多属性决策评估红外序列复杂度.采用修正逼近理想解多属性决策和熵权方法, 综合7种图像度量尺度, 评估红外序列各帧图像复杂度；基于加权和多属性决策及熵权方法, 综合3种度量尺度, 评估红外序列整体复杂度.采用归一化相关模板匹配算法、基本均值偏移算法和方差比算法进行跟踪实验.采用复杂度不同的红外序列, 验证提出的红外序列复杂度评估方案的有效性.结果表明: 提出的红外序列复杂度评估方案能够真实显示各种红外序列目标跟踪任务困难度的差异, 与跟踪性能指标之间的相关性强, 并能准确反映目标跟踪任务的主要影响因素.
红外 序列 复杂度 分析 多属性决策 Infrared Sequence Complexity Analysis Multi-attribute decision making
1 北京理工大学机电学院, 北京 100081
2 军械工程学院导弹工程系, 河北 石家庄 050003
红外图像复杂度度量方法不仅可以用于描述目标识别面临的复杂场景变化, 而且在红外成像系统性能预测与评估、目标识别算法性能对比、建立和改进目标获取性能模型等方面也有广泛而重要的应用。给定了红外目标识别图像复杂度的定义, 对该领域近年来最新出现的和部分经典的度量方法进行系统的归纳总结和对比分析, 提出了度量方法选择的依据, 指出了现有度量方法的缺点和不足, 并指出红外目标识别图像复杂度度量未来将向着融合多种特征或者综合多种度量方法的趋势发展。
红外目标识别 图像复杂度 度量方法 infrared target recognition image complexity metric
