题目：多视野域基于纹理特征的目标匹配算法及快速跟踪算法研究

本文研究多视野域基于特征的图像匹配和跟踪问题。多视野域图像匹配和跟踪的问题主要包括三个方面（1）目标区域的检测，确定进行融合的对象；（2）多目标的跟踪，对单一视野域的视频进行多目标的跟踪，以实现对同一目标的标记；（3）目标区域特征的提取和匹配，提取目标区域的特征便于在多视野域之间进行协同监视。达到协同跟踪的目的。当前解决这三个问题使用的方法主要有：（1）针对目标区域检测：主要有背景差图像差分法，时态差分法。但是这两种方法在阈值的选取上不能跟随监视场景的变化而变动，造成检测出现错误。（2）针对多目标跟踪的问题，主要有目标匹配法、滤波法和光流法，但是这些方法存在计算复杂、粒子退化等问题。（3）针对特征提取问题，主要在初始图像中提取特征信息空间结构信息如范围、形状、领域、纹理等，然后利用统计方法或神经网络、模糊积分等方法进行融合，以进一步评价。这些特征的鲁棒性差，不能有效抗拒旋转变换，光照变换引发的误匹配问题。针对上述问题，本文从三个方面逐步改进多视野域基于特征的图像匹配和跟踪的算法。首先，提出利用时态差分法获取的差分数值的方差作为自适应阈值，来调节不同监视场景下检测阈值的选取的问题，并且引入一个可变的系数来调节检测的灵敏度。其次，针对多目标跟踪中出现计算复杂的问题，提出了一种基于面积的卡尔曼滤波算法，利用检测区域面积的匹配矩阵作为跟踪计算的基础。计算复杂的缺点。并且通过设计跟踪目标不同状态链表，提高了算法的效率。最后，针对目标区域的特征提取问题，本文选择了SIFT特征描述子作为对特征区域的表述，由于SIFT描述子具有很好的不变性，因此对于视角发生重大变化的图像匹配具有很好的适应性，同时本文提出了一种不同视野域之间目标区域匹配的算法，降低了匹配计算的复杂度，提高了匹配的效率。