论文部分内容阅读
该文仅致力于涉及基于内容的图像与视频分析中四个相关领域的研究:(1)利用融合规则进行区域分割,(2)基于区域分割的三角形网格模型生成与跟踪,(3)基于局部兴奋全局抑制共振网络(locally excitatory globally inhibitory oscillator nettwork,简称LEGION)的图像向量机(support vector machines,简称SVM)的人脸人割与检测.文章的绪论部分对相关技术作了充分的回顾,其后的内容如下:第二章提出了基于融合规则方法,建立了一个开放的高层的区域信息融合框架,将静止分割、变化检测、运动场分割、运动补偿的中间地果融合在一起,产生比较准确的物体区域,提出了两个区域融合规则.第三章提出了基于区域分割的三解形网格模型生成与跟踪方法.三角形网格片运动补偿是模型基编码的基础,在甚低码率视频编码中可以有效地克服地效应.该文提出一种建立在数学形态学和变化检测基础上的基于区域的网格模型生成方法.这种网格模型对噪声具有很好的鲁棒性,网格模型的边界能够与物体轮廓、边缘和变化区域很好地对齐,能够提高网格模型的运动估计精度、计算速度和纹理映射的质量.第四章提出了一种基于LEGION网络图像分割的改进方法.从神经生理学的角度,概括了时间相关性理论和LEGION网络的基本思想.提出了一种改进的LEGION网络模型,用侧电势改进神经元的动态行为,成功地解决了噪声图象分割中存在的小区域问题,使得LEGION网络适用于灰度图象的区域分割.最后一章提出了基于SVM的人脸分割与检 测方法.分析了彩色人脸的特征,指出人脸分割和检测的主要难点在于怎样处理人脸模式中大量的可变因素,并总结了产生这些可变因素的主要原因.阐明了SVM的数学原理,总结了SVM的基本性质和分析了各种SVM的实现方法.指出建立在SVM基础上的RBF分类器具有强大的 分类能力.该文将人脸分割和检测问题归结为对人脸样本利用SVM学习算法进行机器学习的 过程.在人脸颜色物征和SVM理论基础上,提出了一个基于SVM的彩色人脸区域分割和检测 系统.