Title page, abstract and table of contents only. The complete thesis in print form is available from the University of Adelaide Library. / This thesis is concerned with the core computer vision challenge of obtaining efficient and robust visual tracking of objects over extended image sequences. Effective solutions to this problem are crucial for applications such as smart video surveillance, intelligent human machine interaction, and robotics. Most tracking algorithms can be classified into two major types, namely, probabilistic filtering algorithms and deterministic localisation algorithms. This thesis presents novel enhancements to both types of algorithm. The probabilistic filtering algorithms adopted in visual tracking are mainly based on Kalman filters and particle filters. Whereas Kalman filters are restricted to linear and Gaussian noise models, particle filters can propagate more general distributions, albeit only approximately. This is valuable in visual tracking, as simple models of noise do not suffice. Although particle filter trackers have been quite successful, they too have significant drawbacks. Several strategies are advanced in this thesis to overcome these limitations. Two alternative means are proposed for generating a proposal distribution, which is a key step in particle filtering. These increase the efficiency and robustness of the algorithm in the presence of sudden motion. The particle filter is also extended so as to accommodate multiple cues, such as colour and edge information, affording greater reliability. Additionally, an efficient kernel subspace method is introduced to capture a tracked object's appearance. Finally, a novel method is proposed for tracking the motion of an articulated structure. This significantly improves sampling efficiency, alleviating the curse of dimensionality in Monte Carlo sampling methods. The value of these enhancements is confirmed experimentally. The second part of this thesis concerns the mean shift algorithm, recently advanced as an alternative to stochastic trackers, that seeks the global mode of a suitable density function. A novel, multi-bandwidth mean shift procedure is presented along with a means of accelerating the algorithm. This improved tracker is applied to the problems of object localisation and visual tracking. We empirically show on various data sets that the proposed algorithm reliably finds the true object location when the initial position of the mean shift is far away from the global maximum, in contrast with the conventional mean shift algorithm which can often become trapped in a local maximum. / http://proxy.library.adelaide.edu.au/login?url= http://library.adelaide.edu.au/cgi-bin/Pwebrecon.cgi?BBID=1229506 / Thesis (Ph.D.) -- University of Adelaide, School of Computer Science, 2006

O objetivo da desconvolução autodidata de imagens é reconstruir a imagem original a partir de uma imagem degradada sem usar informação da imagem real ou da função de degradação. O processo de reconstrução é crítico em aplicações em que a imagem original ou suas características estatísticas não são conhecidas. Fazendo um mapeamento da imagem digital antes de sua transmissão, ela pode ser interpretada como um sinal de comunicação com modulação do tipo PAM (Pulse Amplitude Modulation). Utilizando essa interpretação, técnicas clássicas de equalização de canais de comunicação podem ser usadas para restauração de imagens. Além disso, é usual considerar os pixels de uma imagem como um sinal não-estacionário, o que justifica o uso de algoritmos adaptativos. Neste trabalho, técnicas adaptativas usadas em equalização de canais de comunicação são aplicadas para restauração de imagens. Inicialmente, é proposta uma nova técnica de varredura a fim de minimizar alterações bruscas no sinal de entrada do filtro adaptativo. Utilizando o algoritmo Least Mean Squares, obtém-se uma equivalência entre funções de degradação de imagens e canais de comunicação variantes no tempo. Isso possibilitou comparar algumas funções de degradação com relação à distorção causada em imagens. Em seguida, usando um rearranjo dos elementos da matriz de entrada em um vetor, o algoritmo multimódulo regional (RMMA - Region-based Multimodulus Algorithm) foi estendido para restauração de imagens. Esse algoritmo é então usado para adaptação dos coeficientes do equalizador linear transversal e também do equalizador de decisão realimentada. Cabe observar que o RMMA trata um sinal de módulo não-constante como se fosse de módulo constante, o que proporciona um desempenho melhor quando comparado ao algoritmo do módulo constante (CMA - Constant Modulus Algorithm) convencional, usado em equalização autodidata de canais de comunicação. Esse comportamento também foi observado na reconstrução de imagens, através das simulações apresentadas nesta dissertação. Este estudo abre novas perspectivas de extensão de técnicas usadas em equalização de canais de comunicação para restauração imagens. Uma delas é a possibilidade de restauração de imagens coloridas usando diversidade espacial. / The aim of blind image deconvolution is to reconstruct the original scene from a degraded observation without using information about the true image and the point spread function. The restoration process is critical in applications, where the true image or its statistical characteristics are unknown. Mapping the pixels of the original image before its transmission, the mapped image can be interpreted as a pulse amplitude modulation (PAM) signal, used in communications systems. With this interpretation, classic equalization techniques of communication channels can be used to image restoration. Furthermore, the pixels of a true image constitute a nonstationary signal, which justifies the use of adaptive filters. In this dissertation, adaptive techniques used for equalization of communication channels are applied to image restoration. Firstly, we propose a new update path through the blurred image that consists in a combination of horizontal and vertical alternate paths. This update path minimizes the problem of abrupt changes in the adaptation of the filter and provides better conditions to the image recovery. Using the least mean squares (LMS) algorithm, we obtain an equivalence between a point spread function and a time-variant communication channel. This equivalence was used to compare some point spread functions in relation to the distortion caused in images. Secondly, reshaping the input matrix into a column vector, we extend the regional-based multimodulus algorithm (RMMA) to blind image deconvolution. This algorithm is used to update the coefficients of the linear transversal equalizer and also of the decision feedback equalizer. RMMA treats nonconstant modulus signals as constant modulus ones, which provides a better performance when compared to the conventional constant modulus algorithm (CMA), used in blind equalization of communication channels. This behavior was also observed in image restoration, through the simulations presented in this dissertation. This study pushes back the frontiers of image processing, since different techniques used in equalization can be extended to image restoration. One of the new possibilities is the color image restoration using the spatial diversity.

O objetivo da desconvolução autodidata de imagens é reconstruir a imagem original a partir de uma imagem degradada sem usar informação da imagem real ou da função de degradação. O processo de reconstrução é crítico em aplicações em que a imagem original ou suas características estatísticas não são conhecidas. Fazendo um mapeamento da imagem digital antes de sua transmissão, ela pode ser interpretada como um sinal de comunicação com modulação do tipo PAM (Pulse Amplitude Modulation). Utilizando essa interpretação, técnicas clássicas de equalização de canais de comunicação podem ser usadas para restauração de imagens. Além disso, é usual considerar os pixels de uma imagem como um sinal não-estacionário, o que justifica o uso de algoritmos adaptativos. Neste trabalho, técnicas adaptativas usadas em equalização de canais de comunicação são aplicadas para restauração de imagens. Inicialmente, é proposta uma nova técnica de varredura a fim de minimizar alterações bruscas no sinal de entrada do filtro adaptativo. Utilizando o algoritmo Least Mean Squares, obtém-se uma equivalência entre funções de degradação de imagens e canais de comunicação variantes no tempo. Isso possibilitou comparar algumas funções de degradação com relação à distorção causada em imagens. Em seguida, usando um rearranjo dos elementos da matriz de entrada em um vetor, o algoritmo multimódulo regional (RMMA - Region-based Multimodulus Algorithm) foi estendido para restauração de imagens. Esse algoritmo é então usado para adaptação dos coeficientes do equalizador linear transversal e também do equalizador de decisão realimentada. Cabe observar que o RMMA trata um sinal de módulo não-constante como se fosse de módulo constante, o que proporciona um desempenho melhor quando comparado ao algoritmo do módulo constante (CMA - Constant Modulus Algorithm) convencional, usado em equalização autodidata de canais de comunicação. Esse comportamento também foi observado na reconstrução de imagens, através das simulações apresentadas nesta dissertação. Este estudo abre novas perspectivas de extensão de técnicas usadas em equalização de canais de comunicação para restauração imagens. Uma delas é a possibilidade de restauração de imagens coloridas usando diversidade espacial. / The aim of blind image deconvolution is to reconstruct the original scene from a degraded observation without using information about the true image and the point spread function. The restoration process is critical in applications, where the true image or its statistical characteristics are unknown. Mapping the pixels of the original image before its transmission, the mapped image can be interpreted as a pulse amplitude modulation (PAM) signal, used in communications systems. With this interpretation, classic equalization techniques of communication channels can be used to image restoration. Furthermore, the pixels of a true image constitute a nonstationary signal, which justifies the use of adaptive filters. In this dissertation, adaptive techniques used for equalization of communication channels are applied to image restoration. Firstly, we propose a new update path through the blurred image that consists in a combination of horizontal and vertical alternate paths. This update path minimizes the problem of abrupt changes in the adaptation of the filter and provides better conditions to the image recovery. Using the least mean squares (LMS) algorithm, we obtain an equivalence between a point spread function and a time-variant communication channel. This equivalence was used to compare some point spread functions in relation to the distortion caused in images. Secondly, reshaping the input matrix into a column vector, we extend the regional-based multimodulus algorithm (RMMA) to blind image deconvolution. This algorithm is used to update the coefficients of the linear transversal equalizer and also of the decision feedback equalizer. RMMA treats nonconstant modulus signals as constant modulus ones, which provides a better performance when compared to the conventional constant modulus algorithm (CMA), used in blind equalization of communication channels. This behavior was also observed in image restoration, through the simulations presented in this dissertation. This study pushes back the frontiers of image processing, since different techniques used in equalization can be extended to image restoration. One of the new possibilities is the color image restoration using the spatial diversity.