图像跟踪是图像处理领域研究较多也比较关键的技术之一。随着微电子技术不断发展，在光电经纬仪、机载光电平台等图像跟踪应用领域对视频跟踪器系统的要求越来越高，当前视频图像帧频偏低已对伺服系统传输带宽形成不小制约，而高帧频图像又有视频传输的瓶颈。为了解决这一问题，本文设计了一款基于TMS320C6455+FPGA+SDRAM的图像跟踪系统。本系统通过FPGA控制SDRAM对视频图像进行缓存后输出，达到视频降频输出的要求，以解决高帧频图像数据量大难以实时传输显示的问题，同时通过对相关跟踪算法做进一步优化使其满足100 frame/s视频的实时跟踪要求。实验证明该系统工作有效稳定，能满足工程实际需求。

本文回顾了视频目标跟踪方法中常用的目标表示方法, 并对目标表示方法进行了系统地分类, 对现有的目标跟踪方法进行了分类, 并对每类中具有代表性的方法进行了详细描述, 分析各类别的优缺点。讨论了目标跟踪的难点以及未来的发展趋势, 为相关研究人员了解目标跟踪技术提供参考。

图像作为人类感知世界最直观信息, 为我们日常生活带来极大便利。然而, 受雾霾、光照差等环境影响, 实际成像存在朦胧不清晰等问题。当前对图像去雾增强处理以事后分析居多, 难以满足跟踪等实施性要求较高的应用需求。针对此问题, 文章设计一款基于DSP+FPGA的实时去雾增强系统。该系统集合了DSP大型数据处理能力和FPGA高实时性的优点, 很好地将改进型“暗通道”原理算法移植其中。有效满足了实时去雾增强功能要求, 并已应用于实际工程项目。实验证明, 该系统工作稳定有效, 能有效解决实际工程中雾霾、光照不足给成像造成的影响。

针对在雨雾霾天气条件下, 大气介质的散射和吸收作用导致光电成像系统接收的图像对比度降低, 细节模糊不清及颜色偏移, 提出通过快速图像复原来解决此类图像退化问题。基于大气成像光学模型, 在暗通道先验的理论基础上, 提出了一种基于形态学滤波器的快速估算暗通道图像的方法, 并采用参数自适应调整方法来抑制暗通道先验不满足时的大片天空/白墙区域的颜色失真现象。实验结果表明, 该算法能够有效快速复原雨雾天气条件下的降质图像, 对于600×400大小的图像, 其Matlab复原仿真时间仅为04 s, 复原后的图像主观视觉质量明显提升, 其大片天空/白墙区域的颜色失真得到有效抑制。

针对由相机与所摄景物之间发生相对位置移动所导致的图像运动模糊, 提出了一种鲁棒的基于单幅运动模糊图像的盲反卷积算法。该方法首先通过预测图像中的较强边缘信息, 实现用简单、易于求解的优化问题在傅里叶域中快速、准确地估计出点扩散函数。然后利用得到的点扩散函数, 使用基于梯度约束的非盲反卷积算法复原清晰图像,同时采用一种新的边缘保持滤波器—导引滤波来消除噪声并抑制振铃效应。实验结果表明: 本文的算法能够快速地从单幅运动模糊图像复原出具有清晰边缘和纹理的高质量图像, 并且运算时间不超过20 s。

车道偏离预警系统是继安全气囊之后的汽车安全辅助系统，该系统主要任务是采用基于机器视觉的方法提取车道线并进行预警决策。文章利用TMS320DM642视频处理器作为中央处理器，设计出基于DM642的车道偏离预警系统硬件架构，算法方面对图像进行灰度化、二值化和边缘提取做预处理，然后设置感兴趣区域(ROI)，利用基于相位编组的改进Hough变换(RHT)进行车道线检测，根据车道偏离预警条件进行预警决策，当车辆在驾驶员非意识时偏离车道线的情况下实施报警。试验结果证明，本系统能够提前2.5 s进行车道偏离的预警工作，并能够排除路面标记的影响，满足车道偏离预警系统实时、鲁棒的性能要求。

针对现有匹配算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题，本文对匹配稳定性较好的尺度不变特征变换(SIFT)算法进行了深入研究和改进。借鉴其模拟和归一化相结合的思想对相机光轴的经度角和纬度角进行模拟并采用SIFT算法进行匹配。结果显示，提出的算法不仅保留了SIFT原有的对仿射变换的抵抗能力，而且对视角变换也有很好的鲁棒性，实现了完全的抗仿射变换。实验结果表明，与传统的SIFT算法相比，本文算法对仿射变换尤其是有大视角改变时有更好的适应性。

针对非负矩阵分解(NMF)算法时间复杂度较高，而投影梯度(Projected Gradient, PG)优化方法可以大幅降低NMF约束优化迭代问题的时间复杂度，提出一种基于改进的投影梯度NMF(IPGNMF)和非采样Contourlet变换(NSCT)相结合的图像融合方法。采用NSCT对已配准的源图像进行多尺度、多方向的分解，将分解后的低频部分作为原始数据，利用IPGNMF得到包含特征基的低通子带系数；高频部分应用了一种基于邻域一致性测度(NHM)的局部自适应融合规则得到各带通方向子带系数。经过NSCT逆变换得到融合图像。实验结果表明，融合结果在主观和客观评价上均优于NSWT方法、IPGNMF方法和NSCT方法。与NSCT法相比，实验所采用的两组图像的信息熵、清晰度和Q指标分别提高了0.062 7%、0.901%、3.120 1%和 2.769%、2.203%、1.049%。