针对最佳伙伴相似性(BBS)图像匹配算法计算复杂度高、目标定位不准确等问题,提出了一种改进的图像匹配算法。根据模板图像的尺寸自适应选择图像分块大小,以减少匹配点集中点的数目,从而减小BBS算法的运算量;根据子块的灰度值重新排列子块,在此基础上得到BBS的置信度图,从置信度图中筛选出目标的可能位置,并重新计算目标可能位置的真实BBS分数;用目标可能位置的真实BBS分数替换通过双线性插值得到的BBS分数,将目标可能位置中BBS分数最高的位置作为匹配结果。实验结果表明,该算法可降低BBS算法的运行时间,同时提高目标定位的准确度。

针对空间正则化判别相关滤波跟踪算法(SRDCF)在目标发生遮挡、尺度变化和形变情况下的跟踪失败问题，提出利用最佳伙伴相似性的改进SRDCF目标跟踪算法。首先，以SRDCF算法为基础，利用双层搜索策略解决目标跟踪中的目标定位问题和尺度估计问题；然后，利用一种新颖的鲁棒模板匹配技术，通过融合空间权重、相关滤波得分和最佳伙伴相似性得分来估计候选目标位置，解决遮挡情况下的目标重定位问题；最后，采用自适应模板更新策略解决遮挡情况下模板漂移问题。本文采用OTB-2013数据集评估本文算法的性能，同时与34种流行算法进行比较，结果表明本文算法的精确度得分和成功率得分分别为0.853和0.648，相比传统的SRDCF算法分别提高1.79%和3.51%。本文算法能很好地解决目标遮挡、尺度变化和形变情况下的目标跟踪问题，具有一定研究价值。