粒子跟踪测速算法在近年来得到了快速的发展，尤其在粒子匹配方面，发展出很多种算法。这些算法大体的可以分为两大类：一类是根据粒子本身的特征或与周围粒子间的特征关系的匹配算法；另一种是结合人工智能算法的粒子匹配算法。8351
1    基于特征关系匹配的跟踪粒子测速算法研究进展及现状
a）最近邻法
最邻近法是粒子匹配算法中最简单、最基础的，其运算时间最短。利用两帧图像中颗粒的运动距离作为唯一的匹配准则，计算第一帧中某一颗粒与后一帧中所有颗粒间的距离，认定距离此颗粒最近的粒子为其匹配粒子，并对其进行标记，然后在第一帧图像中继续对其他粒子进行匹配。最近邻法虽然运算时间较短，但是应用于颗粒密度较大、运动距离较大时该算法匹配误差会迅速增大，王兴奎[2]等将最近邻粒子匹配算法应用于河工模型试验流场的测量中。
b）二值图像互相关法
二值图像互相关（BICC）法[3]与常用的灰度分布图像相关法相类似，不过关注的内容由图像像素的灰度值分布信息变为为粒子的空间位置分布信息。因此互相关的图像由一般的灰度图像更换为二值图像。计算简述如下：采用阀值法对图像进行二值化处理，将图像的像素的信息用“0”和“1”替代。然后求取前一帧图像中颗粒点与下一帧图像中与其邻近颗粒的相关系数：当求取出最大的相关系数后，即可认定为后一帧图像与前一帧图像中该确定颗粒的配对颗粒，进而可求出速度矢量。相关系数计算如下：
                          (1-1)
其中，L为两个颗粒搜索区域内颗粒间重叠部分像素的个数，M和N为两个颗粒各自搜索区域的颗粒像素个数。
二值图像互相关法提高了传统的互相关法的运动速度，但是二值化时造成了图像信息的丢失影响了匹配的精度。
c）四帧PTV算法
四帧PTV算法[4]是在连续的四帧图像中匹配粒子的运动轨迹光滑度。在对第一帧图像中的颗粒i进行匹配时，要在其后连续三帧图像中分别选取匹配的候选颗粒i2、i3、i4，四个颗粒依次组成了三个速度矢量，只有在这些速度矢量满足速度平滑过渡的原则时认定颗粒匹配成立。
四帧跟踪法需要四帧图像才能完成一次匹配，针对高速流场以及一些速度过快的示踪粒子运动，在两三帧图像就跑出了观察区域的情况不再适用。
d）VGT方法
VGT法[5]是先对前一帧图像中的目标颗粒i附近的颗粒进行统计，得出颗粒个数n并且标号每个颗粒，然后在后一帧图像中选定i的候选颗粒，接着统计出其周围的n个颗粒，然后将这n个颗粒以排列组合的方式分别求出与第一帧图像中n个颗粒的距离和，把最小值作为此候选颗粒与颗粒i的相联系数。最后，把所有候选颗粒关联系数最小的作为配对颗粒。
e）基于颗粒群体运动特征的跟踪算法
靳斌[6]等提出了一种基于颗粒群特征的跟踪方法，其利用示踪颗粒特征实现颗粒跟踪，两帧图像中的示踪颗粒应该满足以下3点基本特征：
1）最大速度特征：即任何颗粒在两帧图像采集间隔的运动位移均是小于一个确定值 。
2）流场局部特征：在一帧图像中颗粒点的半径 邻域圆域内，颗粒的运动矢量基本相同。
3）矢量差特征：即基本相同的运动矢量之差的模应在一个较小的范围内（误差圆半径为 ）
流场局域特征半径的选取在很大程度上影响了颗粒群特征的跟踪算法的匹配精度。许联锋[7]等提出了一种算法将其与类似于PIV技术的相关分析技术相结合的混合格式粒子跟踪测速（2-HPTV）法。 粒子跟踪算法研究现状与进展:http://www.youerw.com/yanjiu/lunwen_6641.html