卷积视角下循环矩阵对角化证明新方法及其应用

循环矩阵可被离散傅里叶变换矩阵对角化,该性质成为空域信号与频域信号之间的桥梁,被广泛应用于图像恢复、视频目标跟踪技术中。传统的循环矩阵对角化证明方法需要大量的计算,且不易于被理解和掌握。本文提出一种卷积视角下的列循环矩阵对角化证明方法,巧妙地避开传统证明方法中的数学运算,相比于传统的证明方法更易理解。此外,利用列循环矩阵与行循环矩阵的转置关系进一步证明了行循环矩阵的对角化性质,并提供该性质的工程应用实例。

基于多模态模板的抗遮挡Staple跟踪算法

Staple算法将方向梯度直方图与颜色直方图两种视觉特征进行结合,互相弥补彼此的不足;然而Staple未考虑上下文信息且未对每帧最大响应样本进行置信度评估,在遮挡场景下鲁棒性较差。为解决上述问题,提出一种基于多模态模板池的抗遮挡Staple跟踪算法。首先,引入上下文感知框架与Staple进行融合,有效解决了运动模糊、背景复杂等挑战下跟踪效果受限的问题;然后,使用金字塔尺度搜索策略,提高原算法在尺度变化场景下的跟踪鲁棒性;最后,建立历史多模态目标池,提高对可靠样本的筛选能力,有效解决了遮挡挑战下跟踪漂移的问题。将提出方法在OTB数据集上进行测试并与其他先进跟踪算法比对,实验结果表明,该算法性能优于比对算法。