为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标, 从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因, 引入高斯曲率滤波, 提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理, 在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声, 从而获得准确的红外弱小目标置信图, 利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验, 并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明, 算法在主观视觉和客观评价指标方面均优于其他三种算法, 具有更高的目标跟踪精度与较好的实时性, 可以实现对复杂天空背景下红外弱小目标的有效跟踪。

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题, 引入曲率滤波理论, 提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度, 通过构造能量泛函, 采用梯度下降法从变换后的梯度场重构出增强后的图像, 并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑, 有效解决了图像重构过程中的噪声非线性放大和扩散问题, 同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验, 实验结果表明该算法在增强图像边缘对比度的同时, 能够有效抑制噪声.