论文部分内容阅读
实时目标跟踪是模式识别、图像处理、计算机视觉、武器制导等领域的重要课题，而且在工业、军事和科学研究方面都具有广泛的应用。相关跟踪是目前使用最广泛的跟踪算法。但传统相关跟踪方法以假设目标仅发生平移运动为前提，当目标仅发生平移时能够获得理想的跟踪效果。但当目标尺度和灰度变化时，这种算法往往表现出一定的不适应性。
差值分解(Difference Decomposition)最早于1997年Michael Gleicher提出，并被应用于目标跟踪，图像配准等领域。由于具有计算速度快，对目标变化适应性好等特点，被认为是目标跟踪中的一种有效的方法。本文在跟踪算法中引入了这种方法，力图解决传统相关跟踪所出现的上述问题。在研究差值分解(Differenee Decomposition)理论的同时，对使用该方法在实际应用中遇到的问题进行了深入的分析和大量的实验。主要包括：算法应用中一些参数的选择对算法的影响，算法迭代中参数更新的方法等。并在应用中发现了算法的不足之处，提出了相应的改进方法。
同时，介绍了TI DM642硬件处理平台的基本构成和性能指标。作为正常算法分析的重要组成部分，对差值分解算法在该硬件处理平台上通过软件编程方式实现的复杂度进行了详细的分析与论证。
最后本文构建了一个比较完整的跟踪流程，将改进后的跟踪算法应用到所建立的跟踪流程中。采用工具对算法进行了开发，并使用序列图像对算法进行了跟踪仿真实验，为算法将来的实际应用奠定了良好的基础。