针对传统均值漂移算法无法对对比度低、尺度变化的红外目标进行有效跟踪的问题, 提出一种改进MeanShift 算法. 首先融合灰度和纹理两方面的信息, 并分别定义背景灰度和纹理加权系数, 实现了目标的准确定位; 然后,提出一种基于背景和前景目标相似度的核窗宽选取算法, 自动选取窗口缩放比例, 得到与目标尺度一致的跟踪窗口.

针对 Mean．Shift(~值漂移)算法中核函数带宽不能实时改变的缺陷，提 出一种基于边界力的 Mean-Shift 核函数带宽自适应更新算法．在分析 目标加权核直方图模型的基础上，引入 区域似然度以提取目标的局部信息．然 后，比较相邻帧间的区域似然度并构建边界力．通过对边界力的计算，得到边界点的位置，进而自适应地更新核函数 带宽．

针对Mean Shift算法在目标跟踪过程中因核窗宽不变导致目标尺度变化时定位不精确的问题,提出了融入边缘检测的方法计算目标大小,从而实现自适应调整核窗宽的改进算法。当目标丢失和发生遮挡时，结合Kalman滤波器对下一帧中目标位置进行预测,提出改进的跟踪算法,有效提高了跟踪的准确性和鲁棒性。

针对传统均值漂移算法无法对对比度低、尺度变化的红外目标进行有效跟踪的问题, 提出一种改进Mean Shift 算法. 首先融合灰度和纹理两方面的信息, 并分别定义背景灰度和纹理加权系数, 实现了目标的准确定位; 然后, 提出一种基于背景和前景目标相似度的核窗宽选取算法, 自动选取窗口缩放比例, 得到与目标尺度一致的跟踪窗口. 实验结果表明, 所提出的算法能够实现对红外目标的跟踪, 并且对尺度变化的目标具有较好的适应性.