摘要
红外与可见光信息的融合跟踪兼顾了红外与可见光设备的多源信息，可提高目标跟踪技术的性能，为国防军事、安防监控、遥感检测、资源探测等领域提供了一种有效技术。图像融合跟踪主要有图像融合和目标跟踪两个流程。依据融合层次，图像融合跟踪可被划分为像素级、特征级和决策级三大类。本文主要讨论了像素级图像融合跟踪。基于深度学习技术，图像融合跟踪可分为基于传统方法的图像融合跟踪算法和基于深度学习的图像融合跟踪算法。本文首先实现了基于TIF(Two-scale Image Fusion，TIF)和均值偏移（MeanShift，MS）的目标跟踪方法。然后，本文又实现了基于卷积神经网络(Convolutional Neural Networks，CNN)和时空正则化的相关滤波（STRCF）的目标跟踪算法。基于此，本文给出了几种融合跟踪方法的客观评估指标(精确度和成功率)和主观视觉效果对比，并给出了对比分析。
关键词：红外与可见光图像；融合跟踪；信息融合；目标跟踪；深度学习
目录
第1章绪论1
1.1研究背景和意义1
1.2国内外研究现状1
1.2.1图像融合研究现状1
1.2.2目标跟踪研究现状2
1.3本文主要研究成果3
1.4本文内容安排3
第2章传统信息融合跟踪4
2.1 TIF算法实现图像融合4
2.1.1双尺度图像分解4
2.1.2显著性检测5
2.1.3计算权重图6
2.1.4图像融合6
2.1.5图像重建7
2.1.6彩色图融合7
2.2 MEANSHIFT实现目标跟踪7
2.2.1目标模型和候选模型描述8
2.2.2相似性度量8
2.2.3迭代过程9
第3章基于深度学习的IR-RGB信息融合跟踪10
3.1 CNN实现图像融合10
3.1.1基于CNN生成权重图10
3.1.2金字塔分解11
3.1.3系数融合11
3.1.4拉普拉斯金字塔重建12
3.2 STRCF实现目标跟踪12
3.2.1相关滤波12
3.2.2 MOSSE实现目标跟踪13
3.2.3 DCF实现目标跟踪14
3.2.4 STRCF实现目标跟踪15
第4章实验结果17
4.1数据集17
4.2评估指标17
4.3定性分析17
4.4定量分析19
第5章结论与展望23
5.1结论23
5.2不足之处及未来展望23
5.2.1不足之处23
5.2.2未来展望23
参考文献24
致谢27
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：打字小能手，如若转载，请注明出处：https://www.447766.cn/chachong/187035.html,
