多目标跟踪时目标之间的交互、部分遮挡或完全遮挡会造成跟踪准确度降低或目标的丢失等问题。针对这些问题，提出了一种融合光流法与马尔可夫随机场（MRF）的多目标跟踪算法。首先，利用首帧图像光流场提取出目标光流，得到目标的速度信息；其次，根据目标运动特性与已建立的MRF模型进行融合并约束优化；最后，在所提模型中，通过核相关滤波算法得到目标最优状态分布以实现对多个目标的跟踪。实验结果表明，与同类先进算法相比，所提算法在多目标交互之后，能够继续对目标进行准确跟踪，降低了目标彼此遮挡时的误报率，具有更优越的准确性。

针对传统红外图像与可见光图像融合存在对比度低、细节丢失、目标模糊等问题, 本文基于非下采样轮廓波变换（Non-subsampled Contourlet Transform, NSCT）的思想, 通过改进权重函数和融合规则, 建立新的融合算法实现红外图像和可见光图像的有效融合。首先, 通过 NSCT变换对红外和可见光图像进行多尺度分解得到对应的低频系数和高频系数。然后, 采用改进的最小化规则和局部平均梯度规则分别对低频系数和高频系数进行融合处理, 得到对应的最优融合系数, 并将所得融合系数进行 NSCT逆变换得到最终融合图像。最后, 使用公共数据集与其他 5种算法进行对比实验, 并在 7个具有实际意义的性能评价指标约束下, 验证所设计算法的有效性和鲁棒性。

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。

将图像融合运用于检测与跟踪领域需要融合图像显示清晰的目标, 传统的优化类融合算法存在目标信息不完整的问题, 对此本文提出一种基于改进灰狼优化( Gray Wolf Optimization, GWO)结合边缘特征的图像融合方法。将图像分解为细节层与粗糙层后, 对细节图像使用优化权重进行融合, 再融合细节层与粗糙层, 最后执行对比度有限自适应直方图均衡增强融合图像。其中优化权重通过改进的灰狼优化获得, 通过融合边缘信息获得权重取值范围, 并且对灰狼优化引入交叉操作改进优化效果。实验对比图像全局与目标局部的标准差、信息熵、平均梯度、空间频率, 本文方法的性能在目标局部熵、标准差上大大优于其他方法, 在全局指标上也有很好的表现。