红外与可见光图像融合及运动目标跟踪新方法

"一种新的红外与可见光图像融合与跟踪方法" 本文主要介绍了一种创新的图像融合技术，特别是在红外与可见光图像的融合领域，该技术在目标检测和跟踪方面具有显著的应用价值。作者赵鹏、浦昭邦和张田文来自哈尔滨工业大学，他们提出了一种基于特征级融合和运动目标跟踪的新颖方法。 传统的图像融合技术通常需要对图像进行精确的配准，这增加了计算复杂度。然而，该方法通过使用动态轮廓线来表示目标轮廓，并采用B样条形状空间模型，将目标特征级融合转化为控制点向量差的L2范数平方极小化问题，从而避免了图像配准的过程，显著降低了计算复杂度。 在目标跟踪阶段，研究者应用了自适应Kalman滤波技术。Kalman滤波器是一种高效的估计算法，特别适用于处理随机系统中的不确定性和噪声。自适应版本的滤波器能够根据系统的动态变化调整其参数，提高特征搜索的准确性，确保对运动目标的稳定跟踪。 实验结果表明，通过这种融合方法，可见光图像的平均跟踪误差减少了56.96%，这证明了该方法的有效性。关键词包括图像融合、视觉跟踪、卡尔曼滤波以及动态轮廓线，这些都是该研究的核心技术点。 该论文发表在2005年2月的《光电工程》第32卷第2期上，文献标识码为A，属于电子与通信技术类别（中图分类号：TN911.73）。这种新的融合与跟踪方法不仅对多传感器图像处理领域的理论研究有所贡献，也为实际的监控和安全应用提供了有力的技术支持。