红外目标跟踪在**和民用视频监控领域有重要的研究意义, 但受热成像原理限制, 红外目标分辨率低、对比度低、纹理信息缺失。针对红外目标特征信息量少导致跟踪性能较低的问题, 提出一种基于自适应响应融合的相关滤波跟踪算法。该算法基于连续卷积运算的相关滤波跟踪框架, 通过构造视觉显著性特征来增强目标外观描述, 并结合对冲决策理论对由不同特征计算得到的多个滤波响应进行自适应融合, 最终根据融合响应预测目标中心位置。此外, 通过尺度滤波器来实现目标的尺度预测, 得到完整的跟踪结果。在公开的红外视频数据集VOT-TIR2016进行测试, 实验结果表明: 与同类算法相比, 该算法表现出更高的跟踪精确度和鲁棒性。

彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像, 而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析, 进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点, 提出了一种可在线扩展的场景解析方法。该方法基于非参数模型, 预测景物类别时不需要训练过程, 只需要使用数据库中具有语义标记的样本图像, 通过将待解析图像与样本图像进行全局及局部匹配来实现语义标签的传递。而且, 数据库可以根据应用场景的不同随时进行动态扩充。实验结果表明: 该方法在包含城市、乡野等多种场景的夜视图像上, 以及由统计色彩映射、TNO、NRL等多种融合方法得到的、具有不同色彩表征的彩色夜视图像上都具有令人满意的准确率。

热成像技术能够探测不可见的长波红外辐射并以图像的形式显示，在科学研究、安防刑侦及****中有着举足轻重的地位。如果可以用全景图的方式显示所观测场景的大视场热成像则能够极大地扩大观测者的视野、提升场景感知能力。然而，由于热辐射成像模糊、信噪比低，图像特征提取往往存在着较大误差，进而导致特征点匹配不稳定，图像拼接失败。针对这一问题，改进了匹配过程，提出了一种基于鲁棒特征匹配的热成像全景图像生成算法。在增加特征匹配鲁棒性方面的改进主要包括2 方面：第一，利用PCA（主成分分析）对SIFT 算子进行降维以降低算子相关性，提高特征向量的鉴别能力；第二，利用快速搜索密度峰聚类算法预先筛选匹配点集以剔除错误匹配点，提高特征点的匹配准确度。实验结果表明，本文提出的算法可有效且稳定地生成热成像全景图，具有实用价值。