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，提出了一种基于稀疏表示的运动目标跟踪模型。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。对于低频部分，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；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，采用了带宽排除局部最优正交匹配追踪算法，并引入了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。

如果您对稀疏表示的图像处理、目标跟踪模型或贪婪算法等相关内容感兴趣，可以参考更多详细资料。您可以进一步了解稀疏表示图像处理，或探讨基于稀疏表示的目标跟踪的具体实现方法。相关研究也涉及到时空约束和稀疏表示分类等目标跟踪算法，这些资料能够帮助您更深入地理解该领域的最新进展。