2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩117頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、自上世紀(jì)七十年代末八十年代初以來,計(jì)算機(jī)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(lǐng)域,如圖像分割、立體視覺、運(yùn)動(dòng)視覺分析、由圖像恢復(fù)三維物體形狀的方法、物體建模與識(shí)別方法以及距離圖像分析方法等。這些研究領(lǐng)域都圍繞著一個(gè)中心而展開,即如何從看似龐大的圖像信號(hào)中獲取最重要的那部分信息,并用這些信息幫助計(jì)算機(jī)分析、理解圖像信號(hào)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(duì)圖像特征的研究,并通過不同的應(yīng)用對(duì)其進(jìn)行進(jìn)一步分

2、析。主要的工作可以分為四個(gè)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(duì)盲圖像的還原進(jìn)行了深入的探討,并提出了名為RIBIM(RatioImageBasedIterationMethod)的算法。該算法通過對(duì)圖像信息,特別是紋理特征信息的分析,針對(duì)噪聲信息進(jìn)行抑制,并模擬出原圖像的退化算子,最后結(jié)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(duì)復(fù)雜場景下的物體識(shí)

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(diǎn)地進(jìn)行工作,同時(shí)提出了名為TALENT(TemplAteLEarNingbasedTraining)的方法使用聚類對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練并加速查找過程,而基于訓(xùn)練的識(shí)別、基于狀態(tài)圖轉(zhuǎn)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(jìn)行人臉表情映射的方法,首先對(duì)現(xiàn)有的人臉表情生成技術(shù)作了一個(gè)介紹,接著結(jié)合人臉特征信息,從而實(shí)現(xiàn)了對(duì)現(xiàn)有人臉表情映射方法

4、的改進(jìn)。該方法具有計(jì)算復(fù)雜度低、噪聲抑制能力強(qiáng)等優(yōu)秀特征。 第六章提出了一個(gè)人臉變換的系統(tǒng)RATES(RegionbasedfeAtureTrackingandExpressionSynthesis)的整體框架和實(shí)現(xiàn)細(xì)節(jié)。該系統(tǒng)通過對(duì)497張不同年齡層次、不同性別、不同臉型的人臉進(jìn)行訓(xùn)練學(xué)習(xí),可以自動(dòng)地對(duì)新輸入的人臉圖像進(jìn)行識(shí)別、定位、對(duì)齊,并根據(jù)用戶的需求對(duì)該人臉進(jìn)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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論