基于多特征图像和均值漂移的红外目标跟踪方法

摘要

一种模式识别技术领域的基于多特征图像和均值漂移的红外目标跟踪方法，包括如下步骤：首先，在原始图像上提取图像的Gabor特征和熵特征，并生成相应的Gabor特征图像和熵特征图像；然后，将原始红外图像、Gabor特征图像和熵特征图像，合成多特征图像，每个像素位置的r、g和b值分别为原始红外图像的灰度值、Gabor特征值和熵特征值；最后，采用均值漂移算法在多特征图像上对目标进行跟踪，得到更精确的目标位置信息。本发明弥补了均值漂移算法只能根据单一特征(统计特征)跟踪目标的缺陷，所提出的多特征图像的概念，也可以被用做其它跟踪方法提高跟踪精度的技术手段。

主权项

1.一种基于多特征图像和均值漂移的红外目标跟踪方法，其特征在于，包括如下步骤：首先，在原始图像上提取图像的Gabor特征和熵特征，并生成相应的Gabor特征图像和熵特征图像；然后，将原始红外图像、Gabor特征图像和熵特征图像，合成多特征图像，每个像素位置的r、g和b值分别为原始红外图像的灰度值、Gabor特征值和熵特征值；最后，采用均值漂移算法在多特征图像上对目标进行跟踪，得到目标位置信息；所述的提取红外图像的Gabor特征，并生成Gabor特征图像，具体为：在原始红外图像I上的每个像素点(x，y)处，用二维Gabor滤波器采用的函数：$G(x,y)=\frac{1}{2\pi {\sigma }_{\mathrm{xy}}^2}\exp [-\frac{x^2+y^2}{2\pi {\sigma }_{\mathrm{xy}}^2}+2\mathrm{\pi j}(\mathrm{Ux}+\mathrm{Vy})]$计算其函数值，Gabor特征是通过将原始图像I和Gabor滤波器执行卷积得到的，在图像的像素(x，y)处，Gabor特征为f_G(x，y)＝I(x，y)*G(x，y)，用f_G(x，y)值作为像素(x，y)处的灰度值，生成Gabor特征值图像；所述的提取红外图像的熵特征，并生成熵特征图像，具体为：在原始红外图像I上的每个像素点(x，y)处，以(x，y)为中心的滑动窗口内，设p_i是该窗口中灰度值i出现的概率，则(x，y)处的熵特征为：且规定当p_i＝0时p_ilogp_i＝0，用H(x，y)值作为像素(x，y)处的灰度值，生成熵特征值图像。