论文部分内容阅读
动态纹理是移动场景的图像序列,它在时间上显示出某种稳态属性。例如流水、飘扬的旗帜、摇曳的树叶。本文在分析多种现有动态纹理模型的基础上,使用生成式模型(generative model)来描述动态纹理,并描述了用数据驱动的马尔柯夫链蒙特卡洛方法学习和推断这种描述动态纹理的模型。基于此模型,本文给出了动态纹理分类、跟踪和编辑的方法,并检验模型的有效性。论文的主要工作如下:(1)动态纹理的建模:在分析多种现有动态纹理模型优缺点的基础上,使用生成式模型为动态纹理建模,并采用数据驱动马尔柯夫链蒙特卡洛方法为该模型作参数估计。(2)动态纹理的编辑:通过学习动态纹理的图像序列,可生成满足需要的任意长度的动态纹理序列,使用该模型合成出了与原图像序列在统计意义上等价的新动态纹理,说明该模型抓住了动态纹理的本质。(3)动态纹理的分类:对于不同的动态纹理,通过学习可获得不同的参数。采用隐图(hidden graph)间的相似性作为区分不同动态纹理的标准,成功地对待分类的动态纹理实施了分类。(4)基于动态纹理的运动目标跟踪:将感兴趣的运动目标视作一种动态纹理。通过学习动态纹理模型的参数,跟踪感兴趣的目标。并以人体跟踪为例阐述了动态纹理在目标跟踪中的应用,用一个简单例子说明了该动态纹理模型应用于运动目标跟踪的有效性。