（5） 基于频率域的跟踪方法：是将视频图像由时间域转换到频率域，然后根据变换系数的幅值或相位来检测目标的运动[6]。
对于传统的模板匹配算法，常用的包括：绝对差法、平均绝对差、交叉相关乘法、归一化互相关（NCC）、序贯相似性检测算法（SSDA）、绝对差求和(SAD)和差的平方和（SSD）的相似性度量；它们的计算量太大了，为解决这个问题，现在又发展改进版算法。典型的有2阶段的模板匹配算法、多特征融合的算法、多步长模板匹配并且引进淘汰机制等等。
1.3.3  运动预测
视频目标跟踪的过程是“匹配—修正—预测”这个不断进行的过程，因而对于目标跟踪可以结合运动估计。如果对目标运动位置有了较为准确的预测，这样利用模板匹配技术时，在搜索图像中的搜索范围可以大大缩减，这样可以节约计算成本，甚至，如果预测精度极高，则可达到跟踪效果。对于视频中场景几乎不变，或者是是静态场景下（摄像机位置固定），可以通过卡尔曼滤波法来实现预测。
1.4  论文主要研究内容以及组织结构
本文是在VS2010和2.4.8版本的OpenCV环境下编写的。本文研究对象是视频中的空中目标，采用模板匹配法和基于卡尔曼滤波的模板匹配法实现对目标的跟踪。
本文正文一共分为五大章内容，具体章节介绍如下：
第一章：绪论，主要介绍研究背景和发展现状以及研究采用的主要方法。
第二章：目标跟踪图像处理基本理论，具体又可细分为三个小章：图像预处理、运动目标检测和目标跟踪；运动目标检测中详细介绍常用的目标检测方法，着重介绍本设计中所用的一些方法，并实践了的一些方法，有结果佐证；目标跟踪章节主要介绍了模板匹配和卡尔曼滤波这两种设计中使用到的方法。
第三章：算法设计与软件实现，简单介绍了一下使用到的软件，紧密结合整个设计流程，将设计的每一步具体呈现；包括设计的基础架构和改良，并给出结果及相应的分析。
第四章：总结与展望。
第五章：致谢。
2  目标图像处理基本理论
处理视频目标的跟踪问题，首先，就视频图像而言，在对视频图像的处理之前，一般需要对图像进行预处理。其次，对于目标的跟踪，又分为两部分：运动目标检测和目标跟踪。接下来的内容将对这图像预处理、运动目标检测和目标跟踪做详细阐述与分析。
2.1  图像预处理
2.1.1  图像预处理方法
由于在视频拍摄过程中可能由与拍摄角度、天气以及设备本身的问题，可能使得视频图像存在歪斜、缺损和各种噪声的问题。其中图像的噪声问题尤为严重。这些噪声除了肉眼能看到的明显的形变和失真，还有些只能在图像处理的过程中会发现的量化噪声、加性噪声、乘性噪声等等，为了解决图像的噪声问题，提高目标检测的准确性，因此需要对图像进行滤噪预处理。常见的图像预处理的方法有：
（1）    邻域平均法：根据视频图像在空间上存在的关联性，利用待处理中心像素点的邻域平均值代替中心点像素值。邻域的半径可任选，邻域半径越大，图像平滑效果越好，但是这也伴随着图像的轮廓和细节变模糊。为了解决这个问题，有人提出了一种新的邻域平均方法，该方法的基本思想是：仅当噪声造成图像中幅度变化较大时，进行邻域滤波。
（2）    中值滤波法：基本原理是把数字图像中一个像素点的值用该邻域中所有像素点的值的中值代替。中值滤波通常采用一个含奇数个点的滑动窗口，将窗口内个像素按灰度值的升序排列，用中间位置处的灰度值代替原图像的灰度值。值得一提的是，中值滤波不会出现图像变模糊的问题. 空中目标视频跟踪模板匹配技术研究(4):http://www.youerw.com/zidonghua/lunwen_40174.html