基于改进Mean-Shift算法的红外小目标跟踪

复杂背景下的红外小目标跟踪在目标跟踪领域一直是重要的研究方向。由于小目标体量小、机动性大，而红外图像大多受到严重的背景噪声和热噪声影响，使得针对红外小目标的跟踪大多出错率高，鲁棒性不强。针对红外小目标的跟踪，提出了一种改进的Mean-Shift算法。结合图像的统计特性，提出了一种自适应非线性算法对图像进行处理；同时融合了图像的梯度直方图对目标进行描述。实验通过对高强度噪声和高遮挡环境下视频目标进行跟踪，比较了传统Mean-Shift算法和改进后算法的跟踪效果，结果显示文中提出的改进算法不但可以有效地跟踪目标，而且大幅降低了跟踪窗口与目标之间的相对抖动，增强了跟踪算法的鲁棒性。