基于运动迁移的图像非刚性匹配与特征点提取方法研究

Image non-rigid registration is a key technique in the fields of computer vision, pattern recognition and image processing. Because of the complexity and unknowns about the non-rigid image transformation, it is hard to improve the registration accuracy. This project uses the idea in the motion transfer in the computer graphics, to acquire some prior knowledge about the deformation of unknown targets, which can overcome the limitations in traditional approaches. To solve the fitting problem under unconstrained conditions, some example-based motion transfer models are integrated into image registration algorithms. We propose a novel and robust registration approach with a single template. To utilize local feature matchings, space motion constraints, and hierarchical feature structures, we present our parameter initialization and rapid registration search methods. In addition, by learning the prior knowledge about the motion tracks from sample data, a transfer model is built for motion units. In that case, the image registration will be applied for the feature extraction for complex face motion sequences. The project is a supportive research in the theory framework of deformation-prior based non-rigid image registration. In practice, it will play an important role in the applications of feature points annotation and arrangement work for image databases on a large scale.

图像非刚性匹配是计算机视觉、模式识别和图像处理领域的关键技术。图像非刚性变换的复杂性与未知性，是匹配方法研究的难点。本项目借鉴图形学领域的运动迁移思想，探索获取未知目标个体,形变先验知识的有效计算途径，以此突破图像非刚性匹配算法中的关键技术。针对非理想条件下的图像匹配问题，结合基于样本学习的运动迁移模型，提出一种新的鲁棒图像非刚性匹配方法；利用局部特征匹配、空间运动约束，结合结构化的特征表示形式，研究匹配参数初始化与快速搜索方法。另外，将探讨运动单元迁移的组织建模方式，学习样本序列的运动轨迹先验知识，将图像非刚性匹配应用于人脸运动序列的特征点提取工作中。本项目的实施有助于完善基于形变先验知识的图像非刚性匹配算法理论框架，同时可为实际中海量图像数据的特征点标定与整理工作提供可靠的技术手段。

图像非刚性匹配是计算机视觉、模式识别和图像处理领域的关键技术。图像非刚性变换的复杂性和未知性，是匹配方法研究的难点。本项目借鉴图形学领域的运动迁移思想，探索获取未知目标个体形变先验知识的有效计算途径，以此突破图像非刚性匹配的关键技术。. 按照课题研究计划，本课题围绕具有表情变化和姿态变化的人脸图像特征点提取这一应用问题，结合国内外该领域研究的最新发展情况，研究了基于运动迁移的图像非刚性匹配算法。所取得的代表性研究成果包括：1）提出一种基于线性统计形变先验模型的单模板人脸图像匹配算法；2）提出一种基于非线性流形学习的人脸图像匹配算法；3）针对匹配参数初始化问题，提出一种基于局部特征匹配点的局部匹配传播方法。；4）针对具有旋转、缩放、平移的大尺度变换图像的实时配准问题，提出了一种基于归一化梯度相位相关的图像配准算法；5）提出一种有偏聚类超像素分割算法，并将其应用在图像重定位中。. 项目组成员先后赴美国开展学术交流及参加国际学术会议，并与到访的国内外学者进行了深入的交流。在此项目的资助下，项目组成员先后在国内外学术刊物上共发表学术论文6篇，其中SCI检索的国际期刊2篇（含已录用），国内重要期刊论文3篇，申请国家发明专利1项。以此为基础，项目组先后培养了2名博士研究生和3名硕士研究生。项目负责人于2015年7月博士后入站，继续开展该方向的研究。