基于稀疏表示的目标跟踪新算法 论文

针对跟踪过程中受到光照、噪声等外界干扰导致的跟踪准确率不高的问题，提出一种基于稀疏表示的运动目标跟踪模型。首先对视频图像进行光照归一化处理，通过小波变换获取不同频率信息的子带，对低频部分采用直方图均衡技术改善光照，并结合加权引导滤波对高频部分进行降噪处理；最后运用时频逆小波变换获取优化后的目标图像。在目标重构阶段，针对传统的贪婪算法在迭代过程中忽略了原子间相互关系的问题，采用带宽排除局部最优正交匹配追踪算法，并引入新的判别条件更新相关集半径以获得更为精确的支撑集，从而减少重构误差。在字典更新阶段，设计了新的监督机制，利用相关集分别对目标与判别模板的相似度进行排序，并选定符合条件的相关集中的原子对其进行替换，以减少误差累积。与其他流行算法的对比实验表明，文中所提算法在准确性，鲁棒性方面均有较好的表现。如果您想进一步了解相关算法的具体应用和实验结果，可以参考以下文献和资源：

• 基于稀疏表示的红外小目标跟踪

• 小波变换和稀疏表示的遥感图像融合

• 基于稀疏表示的目标跟踪meixue

• 基于时空约束和稀疏表示分类的目标跟踪算法

• 论文研究判别稀疏表示与在线字典学习的运动目标跟踪（PDF下载）

这些资源将为您提供更深入的理解和更多的技术细节，帮助您在相关领域的研究中获得更好的效果。