机器视觉

充分利用红外图像信息建立有效的观测模型是实现鲁棒红外目标跟踪的基础。影响红外目标跟踪结果的因素除了可见光目标跟踪面临的普遍困难之外，还有更为个性的因素，如边缘和纹理信息缺失、信噪比低和背景噪声影响等。本文提出基于稀疏编码直方图（Histograms of Sparse Codes，HSC）和扰动感知模型（Distractor-Aware Model，DAM）的红外目标跟踪方法，使用K-SVD方法得到过完备字典，并利用该字典计算每个像素点的稀疏编码，然后组成HSC，以此对目标进行表达，同时通过引入DAM增强算法抗背景干扰能力，不仅充分利用了红外图像中运动目标的结构特性，而且能够有效祛除背景干扰。与其他跟踪器相比，在VOT-TIR2015数据集上，该方法在精确度和成功率方面分别获得3.8%和4.4%的提升，具有较高的研究价值和实用价值。

杨福才, 杨德东, 毛宁, 李雪晴. 基于稀疏编码直方图的鲁棒红外目标跟踪方法[J]. 光学学报, 2017, 37(11): 2.  复制并引用该论文