红外与可见光图像融合的动态轮廓线跟踪技术

"基于图像融合的动态轮廓线跟踪新方法" 本文主要介绍了一种结合图像融合与动态轮廓线模型的新颖目标跟踪技术，旨在提高跟踪识别系统的精度。在红外与可见光传感器的数据融合中，这种方法能够充分利用两种传感器的互补优势。 首先，作者提到红外与可见光传感器在目标跟踪识别中的重要性。红外传感器对温度敏感，适用于夜间或低光照环境，而可见光传感器则提供更丰富的颜色和纹理信息。通过图像融合，可以综合两者的优点，增强系统对目标的识别能力。 接着，文章阐述了如何将动态轮廓线模型应用于图像融合。动态轮廓线（也称为活动轮廓或蛇模型）是一种用于图像分割和目标边界提取的数学工具。在特征搜索阶段，该方法利用特征点实现图像的精确配准，确保了不同传感器图像之间的对应关系。同时，它引入了一种新的特征级融合策略，即实时微分耦合B样条曲线控制点。这一耦合机制是对Curwen微分耦合理论的改进，它将静态模板转化为可实时变换的模板，并且推导出融合后动态轮廓线的动力学方程。 实时微分耦合的关键在于，通过红外图像的目标轮廓信息来约束可见光图像中动态轮廓线的收敛形状。这种方式有助于减少由于光照变化、遮挡或其他因素导致的可见光图像跟踪误差，从而提高跟踪的准确性。实验结果表明，对于运动人手序列图像的跟踪，该融合方法使得可见光图像中动态轮廓线的平均跟踪误差减少了60.25%。 关键词涵盖了信息光学、图像融合、视觉跟踪、动态轮廓线以及微分耦合，表明该研究涉及多个领域的交叉应用。根据中图分类号和文献标识码，我们可以推断这是一篇关于光学和图像处理的学术论文，发表于2005年的《光学学报》。 该方法创新性地将动态轮廓线模型与图像融合技术相结合，提出了一种新的目标跟踪策略，尤其在处理复杂环境和光照变化时，能显著提升跟踪的稳定性和准确性。这对于自动驾驶、监控系统、机器人导航等依赖于目标跟踪的领域具有重要的理论和实际价值。