基于灰度调节和直方图重构的图像增强

针对现有图像增强算法容易造成颜色失真、局部信息变少和对比度降低的问题,研究了一种基于灰度调节和改进的Gamma校正直方图重构的图像增强算法。首先,在对数域下利用图像当前值、平均值和最大值的关系,乘以比例调节系数得到图像的灰度调节系数,在实数域下对图像进行自适应灰度调节,得到预增强图像;然后,使用单通道直方图所有峰值的均值作为裁剪峰值,采用Gamma函数为累积分布函数的校正函数,对图像单通道直方图进行直方图重构,得到增强的单通道图像;最后,利用预增强图像三通道灰度值比例关系获得剩余两个通道的灰度值,合并三通道得到增强图像。实验表明,研究的方法能够有效改善图像视觉质量,细节清晰,对比度好。

一种多特征融合的目标跟踪算法

针对目标发生形变、遮挡以及尺度变化导致跟踪失败的情况,本文提出了一种改进的多特征融合的目标跟踪算法。首先,通过计算方向梯度直方图(Histogram of Oriented Gridients,HOG)和颜色命名(Color Names,CN)特征响应相邻两帧峰值旁瓣比(Peak-to-Sidelobe Ratio,PSR)的差值得到这两种特征的融合权重,用得到的权重对HOG和CN特征响应进行自适应融合,将第一次融合后的响应与颜色直方图特征获得的响应以固定权重进行二次融合,并根据融合结果确定目标中心位置。其次,结合最终目标响应值的PSR与其均值的差值变化,对位置相关滤波器和尺度相关滤波器的学习速率进行动态调整。最后,在OTB50标准数据集上进行实验验证,并和其他跟踪算法进行对比。实验结果表明本文算法在多项性能指标上均优于其他算法,其中精度为81.9%,成功率为61.1%,能有效适应形变、遮挡以及尺度变化场景下的目标跟踪。

尺度自适应的分块核相关滤波目标跟踪算法

针对目标跟踪过程中由于遮挡导致的算法性能下降的问题,在分析和研究核相关滤波算法的基础上提出了一种尺度自适应的分块跟踪策略。首先从目标中心划分子块,使用融合梯度特征和颜色特征的局部核相关滤波器单独跟踪每个目标子块,并结合目标子块与整体间的位置约束关系得到目标中心位置的粗略估计,然后由全局滤波器用作初始估计以确定目标中心的精确位置。其次,提出一种根据相邻两帧间对应子块位置的变化情况自适应计算目标尺度的方法。实验结果表明该算法极大地提升了基础核相关滤波算法的总体性能,并对遮挡、尺度变化以及变形等干扰因素有较好的鲁棒性。