1、圖像已經(jīng)成為信息化時代下人們獲取信息的一種必要手段，如何利用圖像處理技術(shù)獲取外界信息成為國內(nèi)外研究者重點關(guān)注的一類問題。尺度不變特征變換(ScaleInvariant Feature Transform，SIFT)算法因其在圖像尺度變化、旋轉(zhuǎn)等狀況下的魯棒性和獨特性在特征匹配中得到了廣泛的應(yīng)用，然而該算法在特征點生成時效性和匹配精度上仍有一定的局限性。
　　本文針對計算機圖像處理中目標識別和目標跟蹤兩大研究方向，引入經(jīng)典的SIFT

2、算法的思想并對其進行優(yōu)化，設(shè)計了改進的目標匹配和運動目標跟蹤算法。本論文的主要研究內(nèi)容包括:(1)使用體現(xiàn)圖像信息量的圖像熵進行關(guān)鍵點閾值判斷，設(shè)計了自適應(yīng)的關(guān)鍵點閾值調(diào)整方法;(2)引入基于直方圖距離計算的EMD距離，同時基于SIFT算法特性，將改進EMD算法與多梯度方向SIFT特征點相結(jié)合進行距離的比對和運算的剪枝;(3)針對于多目標識別，設(shè)計了基于SIFT特征點雙向匹配的改進算法;(4)設(shè)計一種融合SIFT向量和DBSCAN聚類的

3、方法，以替代TLD算法中的跟蹤模塊。且對TLD算法檢測模塊進行調(diào)整。
　　根據(jù)上述設(shè)計思路，本文實現(xiàn)了基于改進的SIFT算法的目標識別和目標跟蹤算法，并通過測試數(shù)據(jù)集對所設(shè)計的算法進行了驗證。實驗結(jié)果表明本文方法能夠(1)較好的解決圖像匹配中多數(shù)特征點無意義匹配的問題;(2)較好的解決了匹配過程中諸多場景下歐氏距離不適用的問題;(3)實現(xiàn)多目標場景中的識別檢測;(4)較好的解決TLD算法的跟蹤模塊在運動目標長期跟蹤中難以保持魯棒跟