运动目标的自动跟踪技术是一项融合图象处理、模式识别、人工智能、自动控制等多种不同领域先进成果的高技术课题，是实现智能机器人和智能化武器等的关键技术之一，在军事、交通、生物医学等多种领域都有广泛应用。 本文通过大量的实验主要研究了3种跟踪方法：(1)差分法；(2)相关法；(3)主动轮廓线。 本文先介绍了一种比较简单的跟踪方法——差分法，即将两幅图象做“相减”运算，从相减后的图象中，得到运动物体的信息。这种方法操作起来比较简单，直接对两幅图像做差，然后再阈值分割即可。但采用这种方法的前提条件是须保证背景绝对静止或基本无变化(噪声较小)，而在实际的运动图像中，光照的变化、噪声等因素的干扰是不可避免的，致使运动目标的检测和跟踪变得很不可靠。 基于相关的跟踪方法，也叫相关匹配法或模板匹配法。对于这种方法，先研究了普通匹配，由于其匹配过程非常耗时，根本无法用于实时跟踪，故紧接着又研究了速度较快的多分辨率匹配，即先在分辨率较低的图像上粗匹配，得到一些侯选区域，然后在这些侯选区域内再进行精匹配，得到最终的匹配结果，实现对运动目标的跟踪。针对多分辨率的方法，又分成跳跃式多分辨率(Jump Multi-resolution：JMR)和平滑式多分辨率(Smooth Multi-resolution：SMR)分别进行研究。由于上面这两种方法的模板图像固定，因而对目标运动状态变化的自适应性非常差，故下文又介绍了一种加入“更新”和“预测”机制的匹配跟踪方法——结合Kalman滤波器的匹配方法，使跟踪更准、更快。所谓“更新”，就是对模板图象不断更新，把当前帧的匹配区域作为新的模板，在下一帧中用该更新后的模板进行匹配，再把匹配区域作为新的模板，如此反复，模板就能适应目标状态的不断变化，所以跟踪“更准”；所谓“预测”，就是充分利用动态图象序列之间的相关性，根据目标以前的数据(位置、速度)估计目标将来可能的位置区域，在该区域里进行多分辨率匹配，这样就减少了目标的匹配区域，从而缩短了匹配时间，使跟踪“更快”。沈阳l一业人学硕十学位论文 近十几年来，主动轮廓线(Snake)J卜始被应用到目标跟踪中，很多研究表明它很适合于刚体和非刚体的跟踪。木文先从主动轮廓线的定义和计算入手，分析了3种不同的计算方法，最后选定较好的贪婪算法。然后以此为基础，通过蛇点的重抽样，气球 (Balloon)模型，各能量项对s几永e的影响，噪声对s斑永e的影响等不同侧面深入研究了它的运行机制，最后给出用它进行目标跟踪的实验结果。为了改进原始模型中蛇点固定不变的缺点，本文引入重抽样机制，自适应地增加或删减蛇点，使分辨率在snake的进化过程中始终保持恒定。接着，又讨论了Balloon模型，并针对其缺点引入改进的BaUoon模型。各能量项确定以后，本文对各能量项的系数对s班tke的影响又进行了较为深入的实验研究。在实际的图像采集系统中，噪声是不可避免的，为此，文章以椒盐噪声为例，研究了它们对snake的影响，并举出一些去除噪声的方法，如中值滤波和自适应平滑滤波等。最后，在__卜面研究的基础上，介绍了snake在本文中的两个应用一目标跟踪和虹膜定位。