基于Sentinel-1遥感数据,采用有效的预处理方法,得到较为准确的数据集,并提出一种基于三角剖分的特征跟踪与模式匹配结合算法,通过建立三角形网络并有效结合两者的优势,既提高了算法效率,又使海冰漂移矢量具有更均匀的空间分布。同时,研究了HH极化及其数据强噪声区域下该算法的适用性。不同极化数据的实验结果显示,本文算法所得海冰漂移矢量不仅有更高的覆盖率,而且均方根误差降低了约10%,提高了检测精度。面对噪声稳健性的增强,即使在条带噪声的干扰下,检测准确率仍可高达98%,可见该算法对两种极化方式具有普适性,从而证明该方法能够有效地应用于海冰漂移监测。

为了确定车辆在行驶过程中的相对位置与速度，提出一种基于双目序列图像的实时测距定位及自车速度估计方法。该方法利用车载双目视觉传感器采集周围环境的序列图像，并对同一时刻的左右图像进行基于SURF(speeded up robust features)特征的立体匹配，以获取环境特征点的景深，实现车辆测距定位；同时又对相邻两帧图像进行基于SURF特征的跟踪匹配，并通过对应匹配点在相邻两帧摄像机坐标系下的三维坐标，计算出摄像机坐标系在车辆运动前后的变换参数，根据变换参数估算出车辆的行驶速度。模拟实验表明，该方法具有良好的可行性，速度计算结果比较稳定，平均误差均在6%以内。

为实现稳健和精确的人脸跟踪, 充分挖掘了人脸中的颜色信息、梯度方向信息和空间结构信息。在人脸中提取眼睛、鼻子和嘴巴等显著特征子块作为跟踪子块, 在每个子块中选择最显著的特征作为跟踪的依据, 并用马尔科夫随机场建立各个子块之间的空间约束关系, 实现稳健的人脸跟踪。和若干典型跟踪算法的比较, 实验结果表明, 所提出的跟踪算法具有较好的稳健性和精确性。

目前存在的大多数特征点跟踪算法只考虑了相邻两帧的情况，而忽略了之前图像帧的特征信息。在Kanade-Lucas-Tomasi(KLT)算法的基础上，提出了一种新的特征跟踪方法：首先通过实时训练特征空间，构成图像训练的集合，然后通过高斯-牛顿迭代方法取出目标的特征点。该算法有效地避免了目标尺度、角度的大幅度变化以及遮挡情况。通过实际的序列图像分析了算法的性能，并与其他算法做了比较。同时研究设计了以八核数字信号处理顺(DSP)TMS320C6678 为核心处理器，且结合了现场可编程门阵列(FPGA)数字视频图像采集的硬件平台，并且针对TMS320C6678 的内部特点，提出了算法优化的方法。最终实现了对实时传输的视频图像中运动目标的准确跟踪。

将激光片光源照相技术应用于真实血管的血流场研究中,通过分析设计了测量系统.该片光源由激光器和柱面镜及凸透镜产生,厚度为0.04～0.06mm.利用数字CCD摄像机记录被片光源照亮的单曝光的粒子图像并且编写了相应的处理软件对图像进行后续处理.该软件结合了特征跟踪和模板匹配的优点,先对连续两幅图像作特征跟踪找到前一帧各区域的大致速度大小,然后对这两幅图作模板匹配,其中后一帧中的模板匹配的中心根据前面得到的该区域的速度大小移动相应的距离.这样就可以在一个相对小的区域作相关,节约了运算时间.同时对相关系数做拟合得到了亚像素精度级.该软件可快速精确地实现速度矢量场的获得.

介绍了计算机视频辐射信息再现的基本原理,然后分析了产生图像左右飘移的原因,并提出了一种基于图像特征跟踪的电子稳像方案.该方案根据被接收的视频信息,找到图像的特征,实现图像的稳定再现.经过实验证明,该方案的稳像误差最大不超过1个像素.

在传统的基于模板匹配的跟踪方法中,均是给定一个模板,然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量,找出与模板距离最小的一个区域作为当前模板,以便进行下一步的匹配跟踪工作.在景象匹配和相关跟踪过程中,由于所面临的大多数是变化的场景,实时获取的图像与预存模板之间存在比较大的差异,传统相关匹配方法的应用就会受到限制;而且在跟踪过程中,随时更新模板会造成跟踪性能对扰动过分敏感,从而产生漂移.首先拍摄目标不同角度的图像(尽可能包含目标可能出现的所有情况),构成目标图像训练集合,抽取出特征矩阵,对它进行奇异值分解,构成一个关于目标的多维空间.然后再用匹配方法在全局范围搜索,找出目标的大致位置,并利用收敛方法在确定的大致位置内进行搜索,确定目标的仿射变换参数,从而得到一个目标位置的确切描述.