基于红外与可见光图像融合的目标跟踪

摘要

可见光图像不能显示在夜间或者烟雾遮蔽环境中的热源目标，而红外图像可以显示目标但其边缘信息模糊，将红外图像和可见光图像融合可以提高目标跟踪的性能。
　　本文研究了基于Kalman预测器的自适应模板的相关跟踪算法。通过使用相关系数及其变化判定遮挡时刻；利用Kalman预测器对目标可能的搜索区域进行预测；使用基于模板缓冲区的更新策略更新目标模板。
　　Camshift跟踪算法以计算量小、抗目标变形、旋转和抗小面积遮挡等优点，得到普遍的重视和广泛的应用。但是Camshift算法不易排除相似颜色的目标干扰以及不能跟踪快速移动的目标。本文提出了基于Kalman预测器的改进的Camshift跟踪算法。该算法对于相似颜色的干扰，采用基于空间梯度信息的颜色目标模型；对目标遮挡采用bhattacharyya系数以及目标面积的变化进行判断；采用Kalman预测器对目标快速运动的搜索区和遮挡过程中的目标位置进行预测。
　　本文在基于Kalman预测器的改进的Camshift跟踪算法的基础上，针对红外和可见光图像融合的目标跟踪进行研究。首先研究了基于像素级平均加权的图像融合跟踪；然后针对红外和可见光的不同特性，使用基于特征融合的目标跟踪算法，其中对红外图像提取灰度值和梯度，对可见光图像提取目标的颜色和梯度，通过对两种图像的bhattacharyya系数判定，得到各自的权重，再根据各自的权重计算出目标的位置。
　　本文较全面、深入地研究了多传感器单模、双模目标跟踪算法的原理、方法及应用，并在此基础上实现了基于红外和可见光图像融合的目标跟踪算法。

目录

封面

声明

中文摘要

英文摘要

目录

图表清单

注释表

第一章 绪论

1.1 研究背景及意义

1.2 融合跟踪的国内外研究状况

1.3 图像融合及目标跟踪

1.4 论文主要工作及安排

第二章 图像跟踪预处理

2.1 图像滤波

2.2 图像增强

2.3 边缘检测

2.4 形态学运算

2.5 本章小结

第三章 基于相关匹配的目标跟踪

3.1 目标的相关跟踪

3.2 基于Kalman预测其的自适应模板的相关跟踪

3.3 实验结果

3.4 本章小结

第四章 改进的Camshift跟踪算法

4.1颜色空间的基本理论

4.2 Camshift的跟踪算法

4.3 基于Kalman预测器的改进的Camshift跟踪算法

4.4 基于Kalman预测器的改进Camshift跟踪的实验结果

4.5 本章小结

第五章 红外图像与可见光图像的目标融合跟踪方法

5.1 红外与可见光图像的特征

5.2 红外图像和可见光图像的像素级融合算法

5.3 基于红外和可见光图像特征的Camshift融合跟踪

5.4 本章小结

第六章 总结与展望

参考文献

致谢

在学期间的研究成果及发表的学术论文