随着数字信号处理理论和计算机技术的发展,视觉运动目标跟踪已经成为模式识别、图像处理、计算机视觉、武器制导等领域研究的重要课题。目标跟踪把图像处理、自动控制、信息科学有机结合起来,形成了一种能从图像信号中实时地自动识别目标、提取和预测目标位置信息、自动跟踪目标运动的技术。它在军事、工业、安保、智能交通、医学和科学研究等方面都具有重要的意义,发展应用前景广阔。 由于图像是3-D客观存在在2-D平面上的投影,其本身就是一个病态问题,再加上实际环境中目标运动的随机性和复杂性,例如目标大小、变形、运动速度、运动轨迹、目标颜色与背景颜色的相似程度、背景的稳定程度等,这些都会给目标跟踪带来困难。其理论和应用技术研究极具挑战性,目前仍存在许多问题和难点尚未解决。因此,研究复杂背景下的目标跟踪不仅具有重要的理论意义,而且具有广泛和很高的实用价值。 本文从目标跟踪所涉及的四个主要方面(运动目标提取与目标区域的分割,目标特征提取,目标描述以及目标跟踪过程)进行了研究与探讨,取得了一些积极的结果,但仍存在着许多问题和不足。主要研究内容和结果概括如下: 1、研究并提出了一种基于自组织特征映射神经网络的彩色图像分割方法。利用各像素的RGB值作为输入样本对网络进行训练;根据竞争层特征映射点的密度分布图,利用自组织映射分析的方法,确定图像颜色的聚类数和聚类中心;利用距离竞争取胜的原则处理每个像素,实现了彩色图像的区域分割。另外,用改进的基于Fisher距离的有效性函数作为最佳聚类数确定的依据,来描述数据集硬划分的类间分离性,构造了一种自适应SOFM神经网络的彩色图像分割方法。实验表明分割效果良好,满足目标跟踪颜色特征提取的要求。 2、将遗传算法应用到二维熵多阈值图像分割过程,采用基于多阈值的整数编码方式,在图像分割区域数已知的情况下,研究了基于固定码长遗传算法的多阈值分割方法;在图像分割区域数未知的情况下,研究并提出了一种基于二维熵多阈值的自适应可变码长彩色图像分割方法,将图像分割的类别