高斯积分（DoG）检测器是TrackMate检测器，在检测背景下明亮的圆形时效果最佳。 它非常接近Laplacian of Gaussian (LoG)彩虹。 它输出的点是无形的：它们只有X、Y、Z坐标和主轴。 它适用于 2D 和 3D。
＃＃原则。
该检测器基于高斯得分 (DoG) 滤波器。 它相当于Laplacian of Gaussian (LoG)过滤器，旨在提供更好的速度。 它通常在应用调整到各种几何学的 DoG 元件集合时使用（请参阅1）。 在 TrackMate 中，基于 DoG 的检测器仅使用一种测量仪，但仍然存在 DoG 比 LoG 更快的例子（请参见下面的性能比较）。
给定 d 的预期颗粒直径（根据检查确定），将生成两个具有标准偏差 σ₁ 和 σ2 的高斯模型：
- σ₁ = 1 / (1 + √2 ) × d
- σ2 = √2 × σ₁
使用这两个高斯对图像进行催化，并从第一个滤波器的结果（最小西格玛）中减去第二个滤波器的结果（最大西格玛）。 这将在粒子位置处产生具有局部顶点的平滑图像。然后为每个顶点创建一个检测点，并通过取顶点的平滑图像值将任何质量特征分配给新点。 如果发现两个点比预定半径d/2更近，则丢弃质量最低的点。
为了提高定位精度，采取额外的步骤来产生需要的亚像素定位。 使用简单的抛物线插值方案重新计算每个点的位置，如1中所示。 质量特征也使用该方案进行插值。
通过寻找局部最大值而产生大量目标点。 通过在分割期间计算的质量特征上应用阈值，在额外的步骤中丢弃偏差点。 阈值是手动设置的，以匹配输入图像的SNR。然后保留阈值点以用于后续的连接粒子。
＃＃表现。
本page比较了LoG检测器和DoG检测器的性能，并给出了如何在两者之间进行选择的提示。
＃＃代码。
TrackMate 基于 ImgLib22 实现。 代码可以在on GitHub中找到。
