题目：基于光谱稳定特征的高光谱图像序列目标跟踪方法研究

高光谱跟踪技术是传统计算机视觉应用与高光谱图像处理相结合的全新技术领域。本文针对复杂环境下低纹理特征的目标跟踪的应用需求， 研究适合通过光谱特征的方式提升跟踪的鲁棒性的高光谱图像目标跟踪方法。在研究理论和性能评价标准的基础上，开发相关演示系统，设计并实现完整的对比测试实验，通过实验结果给出算法性能评定结果。本文的主要研究内容和工作包括以下几个方面：1.本文提出一种基于颜色特征和光谱特征联合的局部特征描述算子， 该特征构造方法充分利用高光谱图像的谱信息， 把图像立方体中空间维的颜色特征和光谱维的统计特征相结合，对合成后的颜色空间进行压缩并获取梯度直方图信息，构造特征直方图； 通过对特征直方图进行编码，构造具有区分性的特征。该特征算子具有较高的可分性和较强的鲁棒性。2.针对特殊场景内的低纹理特征目标， 本文提出一种基于多标签结构化约束学习的高光谱目标跟踪算法。算法首先利用一般传统跟踪算法对目标尝试进行跟踪，通过最初的目标参数构造基本的样本集合和标签集合； 当瞬时跟踪失败时，算法立即分割高光谱图像块，使用高光谱联合特征对每一个图像块中的可能目标进行启发式搜索，通过当前实际场景状态更新样本集合和标签集合， 保证样本集合和标签集合对目标的准确状态的描述，从而提高跟踪的精度。3.针对本文算法实现高光谱跟踪演示系统，设计多组实验对比测试算法在不同材质、不同涂料目标条件下的跟踪性能，并将之与其他跟踪算法对比。实验结果证明， 本文提出的基于联合特征和多标签结构化约束的高光谱跟踪算法具有良好的跟踪性能， 成功验证了高光谱跟踪的可行性和谱信息在发现低纹理特征的目标时具备的优势。