序列图像的波门跟踪算法研究-31页PPT资料
基于图像信息的跟踪算法分析
收稿日期:1998207210文章编号:100220640(2000)0120018204基于图像信息的跟踪算法分析王春平 朱元昌 黄允华(军械工程学院 石家庄 050003) 摘 要:图像跟踪算法研究是电视跟踪系统的关键技术之一。
对波门跟踪算法、相关跟踪算法、多模跟踪算法、基于提边的差分跟踪算法及微分线性拟合外推跟踪算法进行了分析,并指出了电视跟踪系统跟踪算法的发展趋势及其在武器系统中的重要作用。
关键词:图像处理;电视跟踪;波门跟踪;相关跟踪;算法中图分类号:TN 94111 文献标识码:AI mage I nformation -Based Track i ng A lgor ith m s AnalysisW AN G Chun 2p ing ZHU Yuan 2chang HUAN G Yun 2hua(O rd anance E ng ineering Colleg e ,S h i J iaz huang 050003) Abstract :T he study of i m age track ing algo rithm is a key techn ique in TV track ing system .Several i m age 2based track ing algo rithm s are in troduced and analyzed .It includes gate track ing algo rithm ,co rrelati on track ing algo rithm ,edge 2based difference track ing algo rithm ,doub le m odified 2Hough tran sfo r m algo rithm and linear 2fitting p redicting app roach etc .T he developm en t trendency of TV track ing system and its app licati on in w eapon system is also described .Key words :i m age p rocessing ;TV track ing ;gate track ing ;co rrelati on track ing ;algo rithm0 引言从60年代开始,随着微电子技术、计算机图像处理技术和模式识别技术的发展,电视图像跟踪技术获得了迅速的发展。
序列图像运动点目标快速检测与跟踪方法
第31卷第6期 红外与激光工程 2002年12月Vol.31No.6 Infrared and Laser Engineering Dec.2002序列图像运动点目标快速检测与跟踪方法3李正周1,董能力1,2,金 钢1,2(1.中国科学院光电技术研究所,四川成都 610209;2.中国空气动力研究与发展中心,四川绵阳 621000) 摘要:为解决低信噪比运动点目标在实时检测中的系统抖动和信噪比低等问题,根据运动点目标的特点,提出了基于数学形态学滤波、目标光强度连续性和假设检验的点目标检测方法。
基于数学形态学的高通滤波器能较强地抑制背景噪声并增强目标;利用光强度时空连续性识别目标;假设检验对解决目标丢失和新目标出现都具有较好的效果。
用TMS320C6201高速信号处理器的处理结果表明:算法对信噪比约为2的点目标检测性能较为满意。
关 键 词: 目标检测; 数学形态学; 假设检验; 点目标中图分类号:TP391.4 文献标识码:A 文章编号:100722276(2002)0620473205Method of quickly detecting and tracking dim moving pointtarget in im age sequences3L I Zheng2zhou1,DON G Neng2li1,2,J IN G ang1,2(1.Institute of Optics and Electronics,Chinese Academy of Sciences,Chengdu610209,China;2.China Aerodynamics Research&Development Center,Mianyang621000,China)Abstract:To resolve the problems in real time detection of moving dim small target,such as sys2 tem dithering and low signal noise ratio,a new method based on mathematical morphology filtering,the continuity of target’s intensity and hypothetical test according to the characters of moving dimsmall target is presented.High2pass filter based on mathematical morphology can suppress clutters andemphasize the target2like peaks.The continuity of the target’s photic intensity can be used to identifytarget effectively.Hypothetical test has attractive result to resolve the problems of target missing andnew target occurring.The algorithm has been realized on the TMS320C6201digital signal processor(DSP),and the experiment results show that the method of detecting the moving dim point target isefficasious when S N R is about2.K ey w ords: Target detection; Mathematical morphology; Hypothetical test; Point tar2get 收稿日期:2002202205; 修订日期:2002205210 3基金项目:国家863计划光束控制重点实验室资助项目(8632802、845)作者简介:李正周(19742),男,重庆市垫江县人,博士生,主要从事目标检测、跟踪与DSP应用研究工作。
序列图像运动目标轨迹跟踪
序列图像中目标跟踪是指根据视频图像中的时空相关信息在每一帧图像中确定目标的位置、大小或形状信息等。
目标跟踪方法大致可以分成三类：基于滤波理论的目标跟踪方法、基于Mean Shift的目标跟踪方法和基于偏微分方程的目标跟踪方法。
基于滤波理论的目标跟踪方法将传感器噪声和模型误差进行建模，将目标跟踪问题表达为系统状态的后验概率密度估计问题。
当后验概率密度是高斯分布时，卡尔曼或扩展的卡尔曼滤波器可以对系统的状态进行准确估计，而粒子滤波器能够解决更一般的非线性非高斯的目标跟踪问题。
（将目标跟踪问题转化为概率密度函数估计问题，使用卡尔曼滤波器或粒子滤波器来跟踪目标）。
基于Mean Shift的目标跟踪方法首先建模目标特征的概率密度分布，然后采用概率密度之间的相似性测度度量目标和候选目标之间的相似性。
通过将梯度下降法应用于相似函数，推导出Mean Shift迭代方程，从而对目标进行跟踪。
基于偏微分方程的目标跟踪方法。
在基于偏微分方程的目标跟踪方法中，目标跟踪问题被建模为关于曲线能量的泛函。
通过变分法或形状导数法等推到出描述轮廓曲线进化的偏微分方程，通过求解偏微分得到泛函的极值，从而获得目标的轮廓。
目标跟踪的运用1.在智能人机交互中的应用比较成功的是西门子公司发明的虚拟触摸屏SIVIT（用手指来操作投影到墙壁的ppt演示），剑桥大学研究的基于指向手势的人机接口（手指向的东西，机械手就会去抓取目标）2.在医疗诊断中的运用通过跟踪超声波序列图像中的心室的跳动，能够为诊断心脏病提供可靠准确的信息3.在智能机器人中的应用视觉传感器是智能机器人的一种十分重要的信息源。
无人驾驶自动车辆的应用。
4，在视频监控中的应用目标跟踪的分类目标跟踪可以定义为在给定的一组观测的条件下对系统的状态进行估计。
在视觉跟踪中，跟踪的目标是图像中提取的目标特征，如果在每一帧图像中特征的位置或形状都能被准确确定，则物体能被很好的跟踪。
目标的轨迹是二维图像中或三维世界中被跟踪的特征的位置序列。
常用脉冲序列及其应用PPT课件
通过使用不同的脉冲序列参数，医生可以获得不同分辨率、对比度和组织特异性的图像， 从而提高诊断准确性。
临床应用
脉冲序列在临床中广泛应用于脑部、心脏、肝脏、骨骼等部位的成像，帮助医生准确判断 病变位置、大小和性质。
物质检测
01 02
物质检测
脉冲序列在物质检测中也有广泛应用，如光谱分析和化学分析。通过发 送脉冲信号激发物质中的原子或分子，接收它们返回的信号，可以了解 物质的成分和结构。
面临的挑战与展望
技术瓶颈与挑战
目前，脉冲序列技术的发展仍面临一些技术瓶颈和挑战，如信号噪声比、成像 深度等问题的制约。
未来展望
随着科研人员的不断努力和技术的发展，相信未来脉冲序列技术将会取得更大 的突破，为医学影像领域带来更多的创新和变革。
05 结论
脉冲序列的重要地位
01
脉冲序列是MRI技术的核心组成 部分，对于获取高质量的MRI图 像起着至关重要的作用。
加强国际合作与交流，共同推动脉冲 序列技术的创新和发展，为全球医学 影像技术的发展做出贡献。
感谢您的观看
THANKS
物理实验
在物理学实验中，脉冲序列用于研究物质的基本性质，如 电子、原子和分子的行为。
生物医学研究
在生物医学研究中，脉冲序列用于研究生物组织的生理和 生化过程，如神经传导、心脏功能和药物作用机制等。
04 脉冲序列的发展趋势与展 望
技术创新与优化
持续研发新型脉冲序列
随着技术的不断进步，科研人员正致 力于开发出更加高效、快速的脉冲序 列，以满足临床和科研的需求。
科学研究
脉冲序列在科学研究中也发挥了 重要作用，可用于研究物质的微 观结构和宏观性质，如化学、物
理、生物学等领域。
MRI序列的选择与临床应用叶慧义ppt课件
.
33
肝囊實性腫塊？多發？
1.5 T 1996年,層厚8mm, 2D 動態增強掃描, 動脈期
1.5 T 2002年, 層厚8mm, 3D 動態增強掃描, 動脈期
.
34
肝囊實性腫塊？多發？
1.5 T 1996年,層厚8mm, 2D 動態增強掃描, 門靜脈期
1.5 T 2002年, 層厚8mm, 3D 動態增強掃描, 動脈期和門靜脈期
根據需要選用屏氣
T2WI*
.
19
肝硬化、肝細胞癌 ？
屏氣 T1WI*
屏氣 T. 2WI*
20
肝硬化、肝細胞癌 ？
超聲查體發現肝實性腫塊 MRI 未見異常？
.
21
肝硬化、肝細胞癌 ？
FSE T2WI + FS
T1WI
.
22
肝硬化、肝細胞癌 ？
T1WI* + FS
動脈期
.
23
肝硬化、肝細胞癌 ？
.
35
肝囊實性腫塊？多發？
1.5 T 1996年,層厚8mm, 2D 動態增強掃描, 門靜脈期
1.5 T 2002年, 層厚8mm, 3D 動態增強掃描, 門靜脈期
.
36
肝囊實性腫塊？多發？
1.5 T 1996年,層厚8mm, 2D 動態增強掃描, 延遲期
1.5 T 2002年, 層厚8mm, 3D 動態增強掃描, 門靜脈期
病變檢出率
定性診斷
.
5
MRI 序列的選擇
T2WI
.
6
腹部
T2WI
.
7
快速掃描序列的優點 FSE
• 掃描效率高，圖像清晰度好 • FSE 較 SE時間明顯縮短
MR图像常规质量控ppt课件
SNR 空间分辨率 SNR ，扫描范围 空间分辨率 SNR ，扫描范围 ，包裹伪影 扫描时间 ，SNR 空间分辨率
SNR 化学位移伪影 ，TE
伪影
伪影： 是指由于某些缘由呵斥的、人体本身并不
存在的、致使图像质量下降的影像。MRI成像 过程复杂，扫描序列及成像参数多，故为出现 伪影最多的一种影像检查技术。有些伪影经补 偿技术可以消除或尽量减少。
MR图像常规质量控制
陈海龙 2019.7.8
医学成像过程中有三种主要要素参与。 即：患者、成像系统、系统操作者。所以，
医学图像的质量取决于这三种要素。如：患者 的检查部位、病变的组织特征、成像方法、成 像设备的特点、操作者选用的成像参数等。 MR成像设备特点由设计决议；患者检查由 病变发生部位决议；而MR成像系统中相当多 的成像方法和变量参数必需由操作者选择运用。 所以，成像参数的选择恰当与否是可以客观控 制的，决议图像质量的关键。
差别越明显。
组织间的固有差别，即两种组织的T1、T2、 质子密度等的差别，差别大，CNR大
成像技术，包括SNR、所用序列，成像参数 等。
人工对比，有的组织间的固有差别很小，可 以利用对比剂的方法添加两者间的CNR,提高 病变检出率。
3. 空间分辨率
MR空间分辨率是指MR图像显示细节的才干。 空间分辨率取决于体素的大小。即：体素容积
补偿方法： 添加相位编码次数，例如运用256×256矩阵替代
256×128矩阵，防止采样缺乏。
五. 磁敏感性伪影〔金属伪影〕
磁敏感性：又称磁化率，是指物质可被磁化 的才干。
磁敏感性强的物质和组织成分，在进动频率 和相位上与普通组织构造有明显差别，因此 在彼此的界面上容易因去相位效应出现低信 号环影，即磁敏感性伪影。主要来源于出血 和血肿中所含的金属及铁成分。受检者体外 携带或体内置入的铁磁性物质磁敏感性极高， 会引起图像严重失真。
图像编码(xq)_PPT幻灯片
图像压缩编码的方法 图像压缩编码分为有损压缩和无损压缩。无损压缩无信息
损失，解压缩时能够从压缩数据精确地恢复原始图像；有损 压缩不能精确重建原始图像，存在一定程度的失真。
根据编码原理将图像编码分为： （1）熵编码：无损编码，给出现概率较大的符号赋予一个 短码字，而给出现概率较小的符号赋予一个长码字， 从而 使得最终的平均码长很小。
习题1
10 23 70 70 00 56 56 70 56
2 56 23 10 00
2 70 70 23 0
LZW编码
LZW：发明人(Lempel-Ziv-Welch)
减少像素间冗余 无损压缩
特点：
码字为固定长度 不需要符号出现概率的知识 是一种字典方法
LZW压缩使用字典库查找方案。它读入待 压缩的数据并与一个字典库(库开始是空的)中 的字符串对比，如有匹配的字符串，则输出该 字符串数据在字典库中的位置索引，否则将该 字符串插入字典中。
图像编码的方法
（2） 预测编码：基于图像数据的空间或时间冗余特性，用 相邻的已知像素（或像素块）来预测当前像素（或像素块） 的取值，然后再对预测误差进行量化和编码。 （3）变换编码：将空间域上的图像变换到另一变换域上， 变换后图像的大部分能量只集中到少数几个变换系数上， 采用适当的量化和熵编码就可以有效地压缩图像。
7/16 9/16
7.2 哈夫曼编码
30 10 20 40 20 40 0 20 20 20 30 30 20 40 40 20
1
7/16 9/16
4/16
5/16
2/16 3/16
1/16 1/16
（6）最后两个频率值（7/16，9/16）作为二叉树的两 个叶子节点，将频率和1作为它们的根节点。
《序列相关性》课件
本PPT课件将介绍序列相关性的概念、应用和分析方法，帮助您深入理解序 列数据的特征和变化规律。
什么是序列及其应用
序列是一组有序的数据点，具有时间或者空间上的关联性。它在许多领域中有着广泛的应用，包括金融、气象、 生物学等。
序列相关性的介绍
序列相关性指的是序列中数据点之间的关联程度。了解序列相关性有助于我 们预测未来的趋势和进行有效的数据分析。
Ljung-Box检验的样本数据需要经过预处理，包括提取序列数据、计算自相关 系数以及计算统计量。
Ljung-Box检验的Python实现
使用Python中的statsmodels库可以方便地进行Ljung-Box检验，帮助我们分 析序列相关性。
Ljung-Box检验的R语言实现
R语言中的stats包提供了Ljung-Box检验的函数，可以用于检验序列数据的相关性和模型拟合程度。
3. Brockwell, P. J., & Davis, R. A. (2002). Introduction to time series and forecasting (2nd ed.). New York: Springer.
总结与答疑
通过本次课件的学习，希望您能够深入理解序列相关性的概念和应用，掌握 相关分析的方法和技巧，并能在实际问题中灵活运用。
自相关与偏相关在时间序列分 析中的应用
自相关和偏相关函数在时间序列分析中有着重要的应用，可以帮助我们识别 序列数据中的趋势、周期性和季节性。
序列相关性的局限性及其应对 方法
序列相关性分析存在一定的局限性，如不能区分因果关系等。为了克服这些 问题，我们可以结合其他方法进行综合分析。
序列相关性的应用场景和未来 发展
磁共振检查技术-脉冲序列
Inversion Recovery
FAST SPIN ECHO
FSE SSFSE FSE-IR SSFSE-IR
FSE-XL FRFSE-XLT T1 FLAIR T2 FLAIR
GRADIENT ECHO
GRE Fast GRE Fast GRE ET
SPGR Fast SPGR FIESTA
VASCULAR
第十九页，编辑于星期五：十七点 二十九分。
第二十页，编辑于星期五：十七点 二十九分。
第二十一页，编辑于星期五：十七点 二十九分。
一、SE脉冲序列
（一）常规SE脉冲序列
1、单回波：90°RF激励脉冲－180°重聚相位脉冲－回波 短TR、短TE－T1WI 长TR、长TE－T2WI 长TR、短TE－PDWI 2、双回波：90°RF激励脉冲－180°重聚相位脉冲－回波
“90° pulse”
选择短TR短TE（如500ms/20ms）
Mz
1、TR较短时， 90°脉冲后T1时间较
长的组织（如水）的Mz大部分尚未恢
复，TE/2处（10ms）激发180°脉
冲后在聚焦Mxy小，测得的信号强度
较小。而T1时间较短的组织（如脂肪）
Mxy
则相反。
FID
SE信号
2、T1WI主要反映组织间Mz的大小， 受T2值影响小，主要体现T1值。
两个问题的回答
1. 为什么水在Ｔ1WI为低信号影，脂肪为高信 号影。
2. 为什么水在Ｔ2WI为高信号影，脂肪为高信
号影，肝为低信号影。
第十二页，编辑于星期五：十七点 二十九分。
三组主要概念
➢ T1及T2时间 ➢ TR及TE时间 ➢ T1WI、T2WI、PDWI
波门跟踪算法
波门跟踪算法波门跟踪算法（Beam Search Algorithm）是一种常用于搜索问题解空间的启发式算法。
它通过在搜索过程中维护一个有限大小的候选解集合，能够有效地在大规模解空间中寻找最优解。
波门跟踪算法最初并不是为了解决搜索问题而设计的。
它最早是在语音识别领域提出的一种解码算法，用于找到最可能的语音识别结果。
后来，人们发现这个算法具有很大的潜力，并将其应用于其他领域的搜索问题中。
波门跟踪算法的核心思想是通过设置一个阈值来控制搜索过程中解的数量。
在每一步搜索中，算法根据解的评估函数对当前候选解集合进行排序，并选取出评估值最高的部分解作为下一步的候选解。
这样，解的数量就会随着搜索的进行逐渐减少。
通过设置合适的阈值，波门跟踪算法能够在一定程度上平衡搜索过程中的准确性与效率。
当阈值较大时，解的数量会增多，搜索的广度会增加，有助于更全面地探索解空间。
而当阈值较小时，解的数量会减少，搜索的深度会增加，有助于更精确地找到最优解。
波门跟踪算法在实际应用中有着广泛的用途。
例如，在自然语言处理中，可以利用该算法生成最可能的句子翻译结果。
在图像处理中，可以利用该算法寻找最优的图像分割方案。
在机器学习中，可以利用波门跟踪算法进行特征选择和模型优化。
然而，波门跟踪算法也存在一些局限性。
首先，阈值的选择是一个关键问题，不同的阈值可能会导致不同的结果。
其次，波门跟踪算法只能保证找到局部最优解，并不能保证找到全局最优解。
因此，在使用波门跟踪算法时，需要根据具体问题的特点和需求进行调整和优化。
总之，波门跟踪算法是一种十分重要的启发式搜索算法。
它通过有效地控制解的数量，能够在大规模解空间中寻找最优解。
无论是在语音识别、自然语言处理、图像处理还是机器学习等领域，波门跟踪算法都具有广泛的应用前景。
通过合理选择阈值，并结合其他优化技巧，可以进一步提升算法的性能和效果。
锁相技术——张厥盛 第一章
(1-8) (1-9)
《 锁相技术》
第1章 锁相环路的基本工作原理
式中θ2(t)也是以ωot为参考的输出瞬时相位。利用 (1-6)式*和(1-9)式可表示输入和输出信号的相位。由于 有了共同的参考,就很便于比较。将(1-6)式和(1-9)式代 入(1-3)式,得到环路的瞬时相位差
θ e (t ) = θ1 (t ) − θ 2 (t )
(1-6)
为输入信号以ωot为参考的瞬时相位,因此,(1-4)式可 以改写为
ω i ( t ) + θ i ( t ) = ω o ( t ) + θ1 ( t )
同理,输出信号的瞬时相位可以改写为
(1-7)
ωo (t ) + θ o (t ) = ωo t + θ 2 (t ) θ 2 (t ) = θ o (t )
《 锁相技术》
第1章 锁相环路的基本工作原理
图1-2(a)所示。从图上可以得到两个信号的瞬时相 位之差
θ e (t ) = [ωi t + θ i (t )] − [ωot + θ o (t )] = (ωi − ωo )t + θ i (t ) − θ o (t )
(1-3)
前面已经说到,被控振荡器的自由振荡角频率ωo是系 统的一个重要参数,它的载波相位ωot可以作为一个参考 相位。这样一来,输入信号的*瞬时相位可以改写为
θ e (t ) = ∆ωot + θ i (t ) − θo (t )
将随时间不断增长。
《 锁相技术》
第1章 锁相环路的基本工作原理
图1-3 捕获过程中瞬时相差与瞬时频差的典型时间图
《 锁相技术》
第1章 锁相环路的基本工作原理
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
U {0 fjkT
jk
1 f jk T
xn
(n1)xn1xn n
yn
(n1)yn1yn n
找到重心坐标后，接下来就需要设置一个波门。波门中心 和运动目标的重心重合。波门大小的设置要考虑序列图像 两桢的时间间隔以及运动目标的运动速度，设置的波门要 确保在下一桢图像中运动目标仍然在波门中。
面积平衡法
用的较少,主要是跟踪时间长,算法不稳定
序列图像波门跟踪的具体实现
本文中主要用了重心跟踪和边缘跟踪两 种方法实现.
本文的研究对象满足以下几个基本条件 (1) 摄像机静止,背景图像变化很小;
(2) 视场上是单目标运动; (3)运动目标基本不被遮挡.
3.1重心跟踪的实现
重心求解公式如下
U {0 fjkT
jk
1 f jk T
mn
U jk x j
x j1 k 1 mn U jk j1 k 1
mn
U jk y k
y j1 k 1 mn U jk j1 k 1
二进制重心由于阈值的设置可以消除大部分噪声像元 的影响
f(x1,y)f(x1,y)]
通过计算过零点，就可以找出图像的边界。 这样可以选定目标边界的上、下、左、右 等边界点中的一个作为跟踪点，使波门套 住其中的某一个，以抑制目标或背景的其 余部分。
双边缘跟踪
双边缘跟踪算法是边缘跟踪算法的 一种改进算法，即目标位置为两个 边缘的中心
x0 (x右 x左) / 2 y0 (y上 y下) / 2
重心跟踪的实现主要有差分运算，阈值分 割，遍厉去噪，和计算重心坐标4个步骤。 在找到重心以后设置波门，波门中心坐标 与重心坐标重合。
读第一张图
读第二张图 差分检测 阈值分割
去噪 寻找重心 设置波门
读入下一张图
波门内差分检测
波门内阈值分割 波门内去噪 寻找中心 设置波门 读入新图 结束
差分运算
波门跟踪主要有重心跟踪、边缘跟踪、双 边缘跟踪、面积平衡等.
重心跟踪
重心跟踪是基于对目标能量矩的计算。其特 点之一是阈值的大小随目标与背景之间的对 比度高低而变化，二是在整个目标图像面积 上对高于阈值的信息做积分运算，求取重心。
二进制重心跟踪算法就是一种最简单的重心 跟踪算法.该算法首先将灰度图像变成二值图 像。
图象跟踪的意义
基于序列图像的运动目标跟踪技术 在国防、工业过程控制、医学研究、 交通监控等领域有着广泛的应用前 景。
图象跟踪主要可以分为相 关跟踪和波门跟踪
本文主要研究的是波门跟 踪
波门跟踪算法介绍
波门跟踪需要设计一个波门，波门的尺寸 略大于目标图像，并使波门紧紧套住目标 图像，使目标不受波门外的背景和噪声干 扰的影响。
多图跟踪
经过上面了
边缘跟踪的实现
边缘跟踪的实现主要有差分运算，阈 值分割，遍厉去噪，和扫描边缘几个 步骤。
边缘跟踪的差分运算，阈值分割，遍 厉去噪和重心跟踪完全一样。
右图是差分运算,阈值 分割,遍历去噪后的图 片
寻找重心，设置波门
在整个重心跟踪算法中，这是最核心的一 步。整个中心算法其实就是一个不断寻找 重心的过程。寻找重心一般是通过积分的 方法找到重心坐标。
mn
U jk x j
x j1 k 1 mn U jk j1 k 1
mn
U jk y k
y j1 k 1 mn U jk j1 k 1
遍厉去噪
由于这些噪音点分布零星，且多为单个亮 点。因此本人设置了一个3*3的的框遍厉图 像。如果一个点再加上它的八个领域点中 素值为255的点小于5个，则认为该点是背 景点，值设为0。
可以看到遍厉去噪后，噪音点 完全被去处，运动目标的边缘 也有些变化。但重心跟踪和边 缘跟踪只要知道运动目标中心 大概的位置即可，在加上波门 设置的足够大，这些变化对于 跟踪结果并没有影响。
差分算法，其实就是通过比较目标在两个 不同时刻的画面，识别由于物体运动而造 成的区域差别。在实际计算过程中，差分 是指将两帧相邻目标图像逐点相减，形成 差分图。
阈值分割
在本次实验中阈值分割就是通过确定一个阈值， 将图像二值化。扫描图像的每个像素点，如果像 素点的值大于阈值则令该点的像素值为255，如 果小于阈值则为0。在第一步差分图像的基础上， 进行阈值分割，运动目标和背景的差异进一步变 大。背景完全变为0，运动目标完全变为255。这 将极大的降低下面工作的难度，同时也减少了运 算误差。
边缘算法通过寻找目标边缘上的特定点，设 置波门。由于目标边缘同时还反映了目标的 大小，所设置的波门可以随着目标视图面积 的变化而变化。因此边缘跟踪特别适合自适 应波门跟踪。
波门跟踪的优缺点
本次主要通过与相关跟踪的比较总结波门 跟踪的优缺点。
在本次毕业设计中，通过和同组同学做的 相关跟踪对比中，可以明显看到波门跟踪 的特点。首先最明显的是对于相同图像在 相同硬件平台上波门跟踪速度要远快于相 关跟踪。
表4.1 跟踪时间比较
第二幅图 第三幅图 第四幅图 第五幅图 第六幅图
边缘跟踪
边缘是图像最基本的特征，是图像中灰度 发生急剧变化区域的边界。可以用一阶微 分或差分算子、梯度算子、Sobel 算子、 拉普拉斯算子等来检测目标图像的边缘。 以拉普拉斯算子为例：
2f(x,y)2xf2 2yf2
为了计算方便，也可以写成：
2f(x,y)f(x,y)1[f(x,y1)f(x,y1) 4
扫描边缘就是扫描整张图片,记下边缘最上 最下最右最左四个变量
然后以最上最下变量的均值作为波门的纵 坐标，以最左最右变量的均值作为波门的 横坐标.四个变量各加上一些像素作为波门 的边框。
实验结果分析比较
重心算法和边缘算法比较
重心算法通过计算目标的重心确定波门，算 法简单，抗噪性强。但是无法获得目标的大 小信息，因此波门大小确定比较困难.