针对复杂场景图像由于背景边缘干扰和噪声导致弱小目标检测困难的问题, 提出了一种基于结构张量分析的弱小目标单帧检测方法.利用结构张量对不同局部结构的表示特性, 通过计算结构张量特征值矩阵和均值滤波得到点状和矩形状目标的结构张量响应图; 采用高斯差分带通滤波器计算灰度差分图; 通过归一化融合处理得到最终响应图; 采用自适应阈值分割得到目标位置.采用该方法对天空、海面等多种场景的红外图像和可见光图像进行实验, 并与典型方法对比, 结果表明该方法能够有效地抑制背景干扰和噪声、快速且准确地检测目标.

视频跟踪中,使用单一特征对目标进行描述难以适应复杂场景的变化,目标的尺度变化、形变、遮挡等因素易导致跟踪失败。为提高跟踪的稳健性,基于核循环结构,提出一种自适应特征融合和模型更新的跟踪方法,并引入尺度更新机制。首先利用目标的灰度特征和局部二值模式特征分别计算滤波响应图,依据响应图的峰值旁瓣比(PSR)自适应地分配权值并加权融合,从而估计目标的最佳位置。然后根据融合后响应图的PSR来判断跟踪质量,据此决定是否更新模型。最后在目标位置周围提取方向梯度直方图特征构建尺度金字塔,训练尺度相关滤波器,用来估计目标的最佳尺度。实验选取标准测试数据集中具有光照变化,遮挡和尺度变化的视频序列进行实验,结果表明,该算法能够实现对目标的稳定跟踪,并且在距离精度和成功率上均优于对比算法。

针对复杂场景下单一颜色特征稳健性差、存在类目标干扰及目标尺度变化的问题, 提出了一种基于特征融合和尺度自适应的干扰感知目标跟踪方法。首先, 综合目标、邻域背景、类似干扰区域的三原色(RGB)特征和改进的方向梯度直方图(HOG)特征计算得到干扰感知目标模型; 在搜索区域内逐像素点计算目标概率图, 然后进行密集采样得到候选目标, 利用目标概率图的概率值与距离值进行加权, 同时定位目标和类似干扰, 并更新目标模型; 采用RGB直方图建立尺度模型, 从当前帧图像上截取不同尺度的图像块并计算其RGB直方图, 通过与尺度模型比较, 获得最优尺度估计并更新尺度模型。实验结果表明, 提出的方法对复杂场景下的类目标干扰、局部遮挡、尺度变化等均具有很好的适应性, 同时距离精度、重叠精度等指标优于对比算法。

针对均值漂移跟踪算法框架不足以对目标帧间运动过大及快速尺度变化进行有效地处理，且单个图像特征对环境适应性较差.提出了一种特征自适应选择方法，通过分析目标与背景的特征区分度来选择出最有效的特征.将金字塔自适应分解和均值漂移跟踪结合，提出了金字塔均值漂移跟踪方法.采用背景加权直方图描述目标模板模型，核函数加权直方图描述候选目标模型，由粗到精定位目标，并给出了目标尺度自适应更新方法.多个视频序列的实验结果表明：本文方法能够有效处理目标快速运动、尺度变化、摄像机运动、局部遮挡等情况，实现复杂场景下的目标跟踪.