根据大气散射物理模型及光学反射成像模型, 总结并分析了影响单幅图像去雾效果的3大因素, 以实现对雾霾图像的快速去雾。基于光学原理, 解释了暗影通道现象, 从新的角度推导出了大气散射模型中各参数的求法。利用灰度开运算去除白色目标的干扰获得精确的环境光亮度, 基于快速联合双边带滤波精确计算了大气散射函数, 最后由光学反射模型计算了场景目标的反射率并有效截断至［0, 1］区间。本方法可以消除天空及环境光线的影响, 能真实复原场景的色彩和清晰度。仿真结果表明, 对分辨率为576×768的图像处理时间仅为0.517 s, 且视觉效果和客观指标比现有算法均有不同程度的提高。与现有图像去雾算法相比, 本文提出的参数计算方法提高了运算速度、场景适应能力和复原效果。

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题, 基于一种新的Harris-SIFT特征点表示方法, 提出基于预测帧与关键帧的算法框架, 实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量, 使用运动矢量直方图获取目标的运动矢量, 并剔除误匹配点; 当特征点数量小于5个时, 关键帧使用Harris-SIFT特征点进行局部特征匹配, 利用仿射模型对目标精确定位及姿态修正.实验结果表明, 本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好, 在背景复杂、目标遮挡或暂时丢失情况下, 仍可以继续完成目标的可靠跟踪.