核相关滤波(KCF)算法在跟踪过程中由于目标受到遮挡或者目标本身的形变、大小变化等问题容易丢失目标。针对以上问题对原算法做出如下改进: 一是加入检测模型响应值的方法作为判定目标是否丢失的依据，一旦判定目标丢失，模型就会暂停更新，增加采样窗口个数来扩大目标搜索范围，直至判定为重新定位目标; 二是加入一种自适应的多尺度搜索策略; 三是将原算法采用的方向梯度直方图(HOG)特征与图像灰度特征矢量融合作为新的样本特征。将原算法和改进算法用于实验采集的红外视频序列，定性地比较和分析跟踪效果，同时根据在OTB-2013中测试的跟踪精度做定量的评估。实验结果表明，改进算法的综合性能及应对目标受到遮挡、形变、大小变化等问题上的鲁棒性能均有提高。

为解决视觉车辆跟踪过程中尺度变化导致的模型漂移问题,在核相关滤波算法的基础上,提出一种车辆目标的尺度搜索算法。通过比较目标区域上三个特定尺度相关滤波响应的平均峰值相关能量,推断出目标尺度的变化方向,进而在变化方向上迭代搜索当前目标的最佳尺度。此外,为确保相关滤波模板能够适应运动过程中的车辆外观变化,在最佳尺度估计的情形下,对模板进行自适应加权更新,进一步提高模板准确性。大量的实验表明,本文算法可以有效解决车辆跟踪过程中尺度变化导致的模型漂移问题,且相比于其他相关滤波类算法具有更加优秀的跟踪性能。

为了解决机动车尾气监测系统中所监测尾气红外图像的配准问题,提出了基于双重尺度搜索遗传算法的图像配准方法。该方法以互信息为相似性度量,对传统遗传算法的交叉变异概率公式进行调整,利用所提出的双重尺度搜索遗传算法作为优化算法,实现了机动车尾气红外图像的高精度配准。采用该方法进行配准实验得到的横向平移量、纵向平移量和旋转角的均方根误差分别为0.0949、0.0447和0.0000,优于其他方法。相对于基于自适应遗传算法和蚁群算法的图像配准方法,该方法精度更高,稳定性更好;相对于Powell算法,该方法抗噪声能力更强,更适合尾气图像配准,为后续污染气体浓度反演与计算打下了良好的基础。