基于二元樹復小波變換的紋理合成與人臉特征檢測.pdf

1、小波分析從引入圖像圖形領域后，就一直是計算機圖形學和圖像處理應用的一個重要工具。小波分析方法是一種時間窗和頻率窗都可改變的時頻局部化分析方法。對于大小不同的尺度成分采用相應粗細的時域取樣步長，從而能不斷聚焦分析信號的任意微小細節(jié)。近年來，Kingsbury等人提出了一種新的小波分析工具——二元樹復小波變換(Dual-treeComplexWaveletTransform，DTCWT)。DTCWT不僅保持傳統小波優(yōu)良的時頻局部化分析能力，

2、還具有優(yōu)良的方向分析能力，能夠反映出圖像在不同分辨率上沿多個方向的變化情形，因此DTCWT越來越多應用于圖形圖像領域。本論文主要研究DTCWT在紋理合成和人臉特征檢測方面的應用。 紋理合成是當前計算機視覺、計算機圖形學、圖像處理等多個領域的研究熱點之一，在圖像的MPEG壓縮編碼、圖像修復、基于圖像類推的濾波器設計等方面都有廣泛的應用。另一方面，人臉也是圖像與視頻中重要的視覺對象，在計算機視覺、模式識別、多媒體技術研究中占有重要的

3、地位。人臉檢測和人臉特征檢測是人臉信息處理及基于內容的檢索研究中一個焦點問題，是近年來研究十分活躍的一個方向。 將DTCWT引入到紋理合成算法領域中，提出了基于DTCWT的紋理合成算法。通過構造紋理相似度評估函數，對整個集合進行紋理匹配的搜索和選擇，最終由生成的小波系數通過逆變換合成新的紋理圖像。實驗結果表明，基于DTCWT的紋理合成算法比傳統的算法在效率上有較大的提升，同時處理結構化的紋理也有著一定的優(yōu)勢。 通過分析D

4、TCWT的特性，提出了基于DTCWT的人臉特征檢測算法。由復小波變換分解的系數構造出局部能量函數和全局能量函數，進行極值搜索尋找特征點?；贒TCWT的人臉特征檢測算法在人臉內的特征檢測效果相當好，比較其他的算法速度也很快，而且不需要學習訓練背景。 在以上的基礎上設計了一個基于DTCWT方法的平臺。整個平臺包括圖像預處理模塊、DTCWT模塊和應用模塊。一方面提供內部的接口，可以方便將基于DTCWT的方法應用到更多領域中；另一方面