二維圖像特征研究.pdf

1、自上世紀七十年代末八十年代初以來，計算機視覺得到了長足的發(fā)展，涌現(xiàn)出了不少研究的方向和領域，如圖像分割、立體視覺、運動視覺分析、由圖像恢復三維物體形狀的方法、物體建模與識別方法以及距離圖像分析方法等。這些研究領域都圍繞著一個中心而展開，即如何從看似龐大的圖像信號中獲取最重要的那部分信息，并用這些信息幫助計算機分析、理解圖像信號的含義，這些信息被稱為圖像特征。 本文的工作主要集中于對圖像特征的研究，并通過不同的應用對其進行進一步分

2、析。主要的工作可以分為四個方面，即退化圖像的還原、視頻流中物體的跟蹤，人臉表情的映射，以及人臉的模擬和生成。 第三章對盲圖像的還原進行了深入的探討，并提出了名為RIBIM(RatioImageBasedIterationMethod)的算法。該算法通過對圖像信息，特別是紋理特征信息的分析，針對噪聲信息進行抑制，并模擬出原圖像的退化算子，最后結合比例圖的概念和遞歸求精的方法，提高了圖像還原效果。 第四章對復雜場景下的物體識

3、別與追蹤作了初步的探討，由于采用了360度的全角鏡頭，使得該監(jiān)控裝置能夠兒乎無盲點地進行工作，同時提出了名為TALENT(TemplAteLEarNingbasedTraining)的方法使用聚類對樣本數(shù)據(jù)進行訓練并加速查找過程，而基于訓練的識別、基于狀態(tài)圖轉換的追蹤也提高了監(jiān)控的質(zhì)量。 第五章探討了使用比例圖進行人臉表情映射的方法，首先對現(xiàn)有的人臉表情生成技術作了一個介紹，接著結合人臉特征信息，從而實現(xiàn)了對現(xiàn)有人臉表情映射方法

4、的改進。該方法具有計算復雜度低、噪聲抑制能力強等優(yōu)秀特征。 第六章提出了一個人臉變換的系統(tǒng)RATES(RegionbasedfeAtureTrackingandExpressionSynthesis)的整體框架和實現(xiàn)細節(jié)。該系統(tǒng)通過對497張不同年齡層次、不同性別、不同臉型的人臉進行訓練學習，可以自動地對新輸入的人臉圖像進行識別、定位、對齊，并根據(jù)用戶的需求對該人臉進行變化。特別在人臉特征定位方面，該系統(tǒng)使用自底向上的方法，通過