针对传统相关滤波跟踪算法在遮挡、出视野、形变、背景杂乱等挑战场景中容易出现跟踪失败的问题, 本文提出快速尺度支持相关滤波跟踪算法。首先, 利用循环样本构造支持相关滤波器, 并将跟踪问题视为支持相关滤波器的学习问题; 然后, 利用离散傅里叶变换与迭代优化策略解决了支持相关滤波器的学习问题, 极大地降低了算法复杂度; 同时, 利用对数极坐标变换将目标尺度估计问题转换为对数极坐标下的位移变化, 实现了目标尺度的自适应; 最后, 采用自适应模板更新策略, 解决了遮挡情况的模板漂移问题。利用标准数据集测试对本文算法性能进行评估, 结果表明: 所提算法精确度为0.964, 成功率为0.892, 均优于传统的相关滤波跟踪算法, 可以较好地解决形变、遮挡、出视野、背景杂乱等情况下的目标跟踪问题。

将传统散斑相关法应用于结构试件变形测量中存在一定的角位移范围限制,针对这一问题,提出了一种采用对数极坐标变换的散斑相关角位移测量法。首先,该方法采用对数极坐标变换,将结构试件散斑图像在直角坐标系下的角位移转换为对数极坐标下的平移;然后,利用散斑相关法结合九点二次曲面拟合法实现散斑图像的角位移测量;最后,通过模拟实验与实物实验验证了方法的有效性。实验结果表明,在[0°,90°]的角位移变化范围内,本方法角位移测量的均值误差控制在0.06°内,标准差控制在0.02°内,有效提高了现有散斑相关法的角位移测量范围与测量精度。

针对尺度缩放和角度旋转变化目标相关识别率低的问题，在联合相关识别中加入傅里叶-梅林变换方法。采用傅里叶-梅林变换(FMT)中的对数极坐标变换、梅林变换、傅里叶变换具有的旋转、尺度、平移（RST）不变性，可以提高JTC图像识别的性能，实现畸变-不变图像的识别。利用联合变换相关器对角度旋转0°～40°、尺度变化0～20%的目标进行计算机仿真实验。实验结果表明：在JTC中采用FMT可以实现畸变-不变图像的识别。

介绍了一种新的图像配准算法，可以很好地解决图像配准中的平移、旋转和缩放问题。算法的实现是首先使用SUSAN算子提取两幅图像的特征角点，剔除虚假的特征点(噪声点)，然后使用改进对数极坐标变换和投影相关匹配算法实现特征点匹配；结合亚像素定位技术，可以进一步提高算法的精度。