多媒体信息处理是人工智能的一个重要研究方向,在生产生活各个领域中发挥了重要作用。在对媒体内容进行分析时,常常需要解决语义鸿沟的问题。一种可行的思路是:通过构建媒体数据之间的映射关系,将范例数据上的关键信息传递至待处理数据,从而实现对媒体内容的分析和应用。基于这一思路,本文分别开展了三维形状分析和自然图像处理的研究,形成了人体表面特征点自动检测和图像对比度增强的应用,概述如下:在第二章中,本文提出了一种人体表面解剖特征点自动检测方法。随着三维形状采集设备的发展,可以精确地重构出人体表面的几何形态。对人体表面具有解剖意义的特征点进行定位,在很多工业应用中都有重要意义。手动标记这些特征点耗时耗力,且具有主观随意性;而自动提取方法需要解决目标点几何特征未必足够显著的问题。为解决这一问题,本方法的核心思想是建立范例形状与目标形状之间的点与点对应关系,再将范例形状上的已有标记点位置信息传递至目标形状上,从而完成自动定位。本文在形状对应关系计算的基础上,构建了层次式的特征点检测框架,利用多种形状特征,通过范例形状选择、形状对应关系计算、局部搜索和后端融合等多个环节,实现了特征点定位精度的逐步提升。通过基于SHREC14数据集的实验,验证了本文提出框架中各个环节的有效性,并取得了优于其他相关方法的精度。在第三章中,本文提出了一种基于优质范例选取的图像对比度增强方法。智能手机的普及让拍照更加方便,但由于客观拍摄条件和拍摄技巧的不足,会出现照片美学质量不佳的情况。为了优化这些图像的美学质量,一般方法是使用图像编辑软件美化图像,但是使用这些软件需要一定的使用技巧,并且在处理大量图像时效率低下。本文通过特征匹配构建范例图像与目标图像之间的匹配关系,建立图像对比度增强模型,以自动地提高图像美学质量。由于良好的范例图像在此模型中起到关键作用,所以本方法使用了美学质量评价网络来挑选高质量图像作为范例,旨在确保增强效果。实验结果的视觉效果和量化指标都验证了本方法的有效性。