跟踪含噪信号时，传统的自适应跟踪微分器会有扰动引入到速度因子和滤波因子参数中，导致系统跟踪紊乱从而跟踪到噪声。针对这个问题，分析了噪声引入的原因，研究了传统自适应跟踪微分器的性能，提出了将跟踪间距的滑动窗口标准差估计作为输入的自适应函数来调整滤波因子和速度因子的改进跟踪微分器(IATD)的实现方法。仿真结果表明，IATD具有精确的参数调整能力，噪声条件下拥有更快的跟踪速度，同时在宽范围信噪比条件下也具有更强的噪声抑制能力。

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题, 本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先, 研究了HSI颜色空间的特点, 基于颜色和梯度是互补的图像特征, 提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次, 针对KCF无法处理目标尺度变化的问题, 在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样, 根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验, 结果显示其平均跟踪速度为37.5 frame/s, 跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力, 能够实现鲁棒跟踪, 而尺度自适应策略能较大程度地提高跟踪精度。

为了实现对变尺度快速运动目标的良好跟踪，在对传统 Mean Shift跟踪算法改进的基础上，提出了一种运动目标自适应跟踪算法。该算法首先采用目标区域的像素点空域加权后的彩色图像作为初始帧目标模板，目标的真实位置利用 Mean Shift算法迭代求得，从而实现对快速运动目标的空间定位，然后将相邻帧的目标采用尺度不变特征变换 (SIFT)算子进行特征匹配，根据目标的缩放因子实时更新下一帧的核带宽，修正算法跟踪窗口的尺寸，以适应目标尺度的变化，从而实现对快速运动目标的尺度定位。最后，通过实验表明，与传统的 Mean Shift跟踪算法相比，该算法的跟踪准确率达到 97%以上，能够实现对变尺度快速运动目标的精确跟踪。

针对目标跟踪过程中存在的光线变化及目标遮挡等复杂情况所导致的跟踪目标的丢失或跟踪错位等问题, 采用特征融合的策略, 将其用于粒子滤波框架中进行跟踪。利用特征融合加权直方图的方法来描述目标的颜色和纹理特征, 并对变化的目标自适应地更新参考目标模型,能有效地处理视频中由于旋转、遮挡、光线变化带来的影响。实验证明, 提出的算法在保证跟踪精确性的情况下, 具有较好的适应性及鲁棒性。

针对密集杂波环境下传统概率数据关联算法对突发机动目标跟踪性能下降问题,提出了一种基于采用渐消因子的改进“当前”统计模型的自适应概率数据关联算法。该算法改进了传统的“当前”统计模型中加速度方差的计算方式,并在滤波算法中采用了渐消因子,克服了传统卡尔曼滤波的3大缺陷,通过改变预测协方差来修正滤波增益,在保持跟踪精度的前提下,能自适应调整滤波器带宽,增强了系统对突发机动的跟踪能力。理论分析和仿真结果表明,该算法比采用强跟踪滤波器的概率数据关联算法更有效。

提出了一种基于EBCOT (率失真优化截取内嵌码块编码)算法的矩形ROI(感兴趣区域)编码的干涉多光谱卫星遥感图像压缩方法.该方法不需要对小波域的系数进行提升,而是在码流组织时通过对多光谱区域的误差跟踪提高恢复图像的质量.误差的跟踪完全是自适应的,可以根据用户给定的恢复图像多光谱区域的峰值信噪比最低要求自动实现码流的组织,解码器不需要知道该图像是否存在ROI,而且该方法保留了EBCOT的优良特性.实验结果表明,这种编码方式在干涉多光谱卫星图像压缩中可获得非常理想的效果.