针对光学和SAR(Synthetic Aperture Radar)图像配准中存在明显辐射和几何差异的问题, 提出了一种基于级联变换的多源遥感图像配准方法.首先, 利用灰度变换提取光学和SAR图像间的稳定结构特征, 去除辐射差异性；然后, 提出一种新的加权对数极坐标变换算法, 解决图像间全局几何差异性, 保证算法的尺度和旋转不变性, 并初步得到整体的平移量；最后, 通过局部几何变换, 得到一系列的匹配点对, 构建薄板样条模型, 实现图像的精确配准.实验验证了算法去除辐射差异性和获得全局几何变换参数的能力, 与传统的多源图像配准算法相比, 基于级联变换的配准算法鲁棒性好, 配准精度高.

针对传统对数极坐标变换局限于跟踪圆形或类圆形尺度变化目标这一问题，提出一种基于椭圆对数极坐标变换域下目标匹配的尺度变化目标跟踪算法。算法利用Mean Shift进行空间定位，确定目标的形心，通过椭圆对数极坐标变换域中目标和候选的最大相关匹配系数来确定目标的尺度参数。实验结果表明：该文算法在目标小形变和光照变化条件下，跟踪误差较小，尺度跟踪准确率更高，具有较好的鲁棒性。

针对红外三维目标跟踪过程中目标姿态变化导致跟踪器失效的问题,提出了一种基于非均匀采样的多模型方法.首先用若干个原型视图表征三维目标,将这些原型视图对应的原型形状作为目标的多模型形状表示,并建立了这些原型形状之间的转移概率矩阵.在粒子滤波框架下,以对数极坐标变换下的原型视图中目标的灰度分布特征作为参考目标模型.通过对形状转移概率采样,实现了样本形状的转移与传播.此方法提高了跟踪器对于姿态变化的鲁棒性,同时具有非均匀采样特性的对数极坐标变换可以抑制图像尺度、旋转造成的畸变,并起到压缩周边的计算量的作用.仿真结果表明,这种算法对三维目标有较好的跟踪效果.

由于在成像制导过程中需要实时处理大量的信息,为了在尽可能保留有效信息情况下降低计算量,采用了一种人眼视觉非均匀采样模型——对数极坐标模型,来压缩信息量以提高计算速度；另外,由于对数极坐标变换对目标形状具有旋转和缩放不变性,在跟踪非刚性变形目标时该模型能表现出很好的稳健性；考虑到在成像跟踪末段,质心、角点之类的跟踪方法会产生匹配点漂移,为了抑制匹配点漂移,采用基于目标强度特征的Mean Shift跟踪方法,并对采用Gauss核函数的Mean Shift方法进行了优化来加快计算速度；实验结果表明,该方法能够有效抑制匹配点漂移,是一个稳健的目标跟踪方法.