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。

实用的跟踪系统应该具备尺度自适应机制。针对传统跟踪方法难以实时准确适应目标尺度变化这一问题，提出一种基于对数极坐标变换域下目标匹配的尺度变化目标跟踪算法，算法结合粒子滤波和改进的Mean Shift进行空间定位，确定目标的形心，通过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：与传统方法相比较，该算法可以自适应选择合适的跟踪窗大小，具有较好的鲁棒性。

由于红外图像与可见光图像对比度不同，常用基于梯度幅值的特征匹配方法难以正确配准。在分析红外图像与可见光图像成像机制的基础上，提出了一种结合相位一致性边缘检测与Hough变换的多源图像配准新方法。该算法首先采用高通滤波和平台直方图均衡方法对红外图像进行预处理以提高红外图像的对比度，再利用具有图像对比度不变性的相位一致性边缘检测法提取两幅图像的边缘，结合Hough变换选取图像空间中最长的线作为特征，采用改进相位相关法作为相似性度量，在对数极坐标域下计算出两幅图像的几何变形参数。仿真实验结果表明，该方法能够以较高查准率实现红外与可见光图像自动配准，并具有较强的鲁棒性。

景像匹配辅助惯性组合导航系统中的景像匹配算法必须同时具有克服旋转和小尺度变换的能力。通过分析发现,对数极坐标变换(LPT)能将它们分别转换为子变换图之间的循环、线性平移关系。鉴于经典的相位相关法检测的是图像间的线性平移,提出了一种改进相位相关法来检测循环平移,最终利用LPT变换和新相关法实现了景像匹配算法。仿真分析表明,当存在任意的旋转、小范围的尺度变化和噪声畸变时,本文算法匹配精度达到93％以上,时间在1.3s以内,基本满足了景像匹配辅助导航系统对图像匹配算法准确性和实时性的要求。

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.

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。