基于认知模型的图像不变性特征理论及其应用研究

图像不变性特征研究是图像认知的重要课题，目前国际上主要采用基于统计和结构的方法，与人类的认知过程相比还有很大差别。要想使计算机克服透视变形对成像目标带来的歧义理解，就必须获取在一定范围内不随视点和姿态等变化而改变的3D不变性特征。已有研究表明，目标物体的3D表示信息有助于从2D图像中提取更广泛变换下的不变性特征。而3D数字采集和虚拟现实技术的快速发展，使得基于3D表示信息的图像不变性特征研究成为可能。本项目在研究面向显著性特征的人类视觉认知计算模型的基础上，开展高鲁棒性的图像不变性特征的理论及应用研究。针对从2D图像中提取3D不变性特征的不适定问题，引入真实的或虚拟构建物体的3D表示信息，借助统计、现代几何(微分几何和代数几何)中不变量的理论和方法，建立3D刚性变换和柔性形变下不变性特征提取与表示的理论框架，研究相应的高效计算方法，开展基于不变性特征的图像感知识别和数字内容生成的应用研究。

图像不变性特征是图像认知的重要研究课题之一，能够克服计算机透视变形对成像目标带来的歧义理解。本项目基于视觉认知模型和引入视觉目标的3D 表示信息，完善了图像不变性特征的基本理论。解决了不变性特征的高效计算问题，包括基于不变性特征的图像感知理解和数字内容生成。取得主要成果包括：提出了高维射影空间中的射影不变量—新的特征数定义；提出了一系列具有优良数学性质（不变性、光滑行）的细分公式和算法；提出多项式方程组同伦方法及其数值求解；在不变性特征的应用研究方面，提出一系列新的形状描述方法，并在人脸检测、手势跟踪和识别、图像检索、视频检测等应用方面取得较好效果。 另外，项目团队已初步建设完成实时3D几何与多视角图像同步采集平台，以期获得多视角人脸数据库及其对应3D人脸几何结构。发布了一个较大规模的网络视频数据库（DUT-WEBV），提供对国际上的标签定位算法进行公正评测平台。综上，本项目圆满完成预期计划任务，并且在理论和实际应用中都有着重要的突破，为相关领域发展提供了有力的保障。