多目标跟踪时目标之间的交互、部分遮挡或完全遮挡会造成跟踪准确度降低或目标的丢失等问题。针对这些问题，提出了一种融合光流法与马尔可夫随机场（MRF）的多目标跟踪算法。首先，利用首帧图像光流场提取出目标光流，得到目标的速度信息；其次，根据目标运动特性与已建立的MRF模型进行融合并约束优化；最后，在所提模型中，通过核相关滤波算法得到目标最优状态分布以实现对多个目标的跟踪。实验结果表明，与同类先进算法相比，所提算法在多目标交互之后，能够继续对目标进行准确跟踪，降低了目标彼此遮挡时的误报率，具有更优越的准确性。

现有的目标跟踪算法中网格信息的冗杂度较高, 增加了跟踪算法的复杂程度, 使得跟踪时计算量过大, 影响了跟踪效果。为此, 以降低跟踪过程复杂度为首要目标, 本文在考虑特征约束的情况下, 利用光流场模型实现对多通道视频目标的有效跟踪。通过设定视频随机变量控制光流场数值模型的变化控制偏差并提取出多通道视频的归一化特征, 引入全局池化处理方式解决传统方法多维度特征计算繁杂的问题。首先, 根据图像像素强度与时间参数间的数值关系, 控制光流场模型均值的偏差, 得到视频特征; 然后, 利用激活函数将多通道参数数值映射处理为固定参数, 构建多通道特征约束关系控制特征参数发生升维, 减少数据计算维数; 最后, 划分视频图像中的背景及目标区域, 通过构建像素运动模型完成对视频目标的跟踪。在设置实验仪器初始参数后, 在数据库中随机选取视频片段作为实验对象, 并通过设定不同帧图像的分辨率将其模拟为多通道视频信息, 对传统算法与本文算法的性能展开测试, 结果表明: 本文算法不仅可以保证跟踪精确度高于0.90, 还能将成功追踪率控制在96%以上, 且其跟踪过程耗时最多仅需5.5 s。本文算法能够用复杂度较低的计算过程实现对多通道视频目标的跟踪, 具有较低的计算量。

考虑传统非刚性图像配准方法无法同时满足配准精度和配准时间要求, 综合图像的特征和灰度信息, 提出了几种改进的非刚性图像配准方法: 基于圆形描述子特征的非刚性配准方法（Circle Descriptor Feature, CDF）, 基于动态驱动力Demons的非刚性配准方法（Dynamic Driving Force Demons, DDFD）, 和基于图像特征和光流场的非刚性配准方法。CDF方法通过提取图像的特征点, 采用圆形描述子代替传统方法的正方形描述子来保证图像的旋转不变性, 提高配准速度; DDFD方法通过引入驱动力系数动态改变驱动力, 有效地解决了传统方法配准时间和配准精度低的问题; 基于图像特征和光流场的非刚性配准方法则首先提取浮动图像和参考图像的特征点, 然后利用提取的特征点进行粗配准（特征级配准）, 再采用基于光流场的方法进行精细配准（像素级配准）, 最终实现配准精度和配准时间的兼顾。对checkboard测试图像、自然图像、脑部MR图像、肝部CT图像进行了实验测试, 结果表明, 本文方法在配准时间、配准精度及对大形变图像的适应性方面均优于传统尺度不变特征转换（ SIFT ）、加速鲁棒特征（SURF）、Demons、Active Demons和全变差正则项-L1范数项（TV-L1）等方法。

空间相机采用交错排列线列探测器对地成像，其奇、偶列图像数据在沿轨方向出现明显的错位变形，为保证图像的几何精度，提出了一种错位校正方法。通过坐标变换法建立了空间相机对地几何成像模型，分析了错位产生的原因。并对交错排列线列探测器对地成像特性，以及沿轨方向、和线列方向的错位位移情况进行了分析。利用蒙特卡洛法分析了轨道、姿态扰动以及目标高程等因素对错位变形的影响，根据其错位变形情况，提出了一种基于光流场的错位校正方法，利用奇、偶列图像的图像块匹配结果生成图像的光流场，通过光流场来实现图像的错位校正。将该方法用于某红外相机遥感图像的错位校正处理，能显著去除掉遥感图像的错位变形，验证了错位变形分析方法以及错位校正方法的有效性。

为了监测出核爆炸, 采用一种改进的Horn-Schunck算法, 进行了理论分析和实验验证。计算出连续帧核爆图片的光流场, 绘制出光流场图。例如, 取第1159帧和第1160帧图像, 得到了水平光流均值为0.018181pixel/s, 均方差为0.375775pixel/s; 垂直光流均值为-0.503308pixel/s, 均方差为0.896142pixel/s。结果表明, 根据图形及速度分布能够判断出核爆炸。

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.

提出了一种新的基于几何代数的彩色光流场计算方法,从新的角度出发讨论了运用几何代数的概念来解决彩色图像序列的可行性和简便性。在几何代数域内对彩色图像序列用多重矢量表示,证明了彩色光流场分析时进行约束条件时的测量问题,通过多重矢量而非多通道的图像处理方法来表示图像连续特性,从而扩大了测量范围;然后依据物体色彩在运动过程中保持不变的原理,在几何代数域内推导了彩色图像序列的光流约束方程及其解法。结果表明,该算法能够显著提高各种情况下的彩色光流场计算能力。

为了实现大视场运动点目标的实时检测和识别，设计了一种基于TMS320C6203为核心处理器件，FPGA为辅助控制处理器的硬件处理系统．在对点目标检测识别算法仿真实验分析的基础上，开发了实时运动点目标检测处理的软件系统．实验测试结果表明，该系统能够对信噪比不小于3dB，帧频为10fps的1024×1024运动点目标图像序列进行实时检测和识别，准确检测概率达到96%，满足实际工程要求．

通过双目凝视系统视场重叠区进入系统的信息量大于通过非重叠区进入系统的信息量,根据这一特征,建立了应用于双目凝视系统的运动点目标并行实时检测算法.算法采用差分向量范数法对原始图像序列做预处理,去掉大量低频噪音和背景,采用光流场法从预处理后的图像中分离可疑运动点目标,再用提出的空间时间并行快速判定准则对分离的可疑运动点目标进行运动连续性和一致性判定,识别出真正的运动点目标.实验结果表明,建立的运动点目标检测算法的平均速度比单目视觉系统提高了50%,在图像信噪比不小于3dB时准确判定识别的概率为95%.