基于人体视觉特征的实时人像提取及其在虚拟环境照相中的应用

《基于人体视觉特征的实时人像提取及其在虚拟环境照相中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要摘要虚拟环境中实时照相系统的研制是为了满足体验经济的发展对数字应用系统的需求。对其中关键技术环节⋯．“实时人像提取”部分的深入研究，不仅能把虚拟现实技术(VirtualRealityTechnology，简称VRT)的研究成果引入虚拟照像系统，使系统的性价比大大提高、“人性化”功能加强。同时，也对解决虚拟现实技术应用中所出现的“贵族化”、“计算繁琐”及“数据危机”等三大障碍，开发基于PC的虚拟现实应用系统，有一定的理论与实际的参考意义。本文从分析人类视觉特征入手，运用系统的观念综合平衡图像质量、实时性、与系统成本等技术指标，在对虚拟实时照相系统具体技术指标深入

2、分析的基础上，提出了基于人类视觉系统(HVS)特性的实时人像提取算法。该算法依据人体视觉特征所决定的数字图象处理指标，参照人体视觉的信息处理机制，经过信息压缩、参数自适应的统计分类、形态学非线性滤波、图像融合、彩色图像增强等紧密配合的模块化处理过程，实现了鲁棒性较强的实时人像提取。算法中24位彩色图与二值特征图之间相互转换的过程，体现了利用变换域处理和信息分层处理的思想。文中对算法的各部分进行了原理与实现方法的深入分析，提供了在Matlab环境下的仿真图片。仿真结果表明，利用二值滤波处理较好地解决了传统的基于区域的图象分类中的边缘不连续的问题；利用边缘渐变方式实现的图

3、像融合简洁有效；由灰度统计直方图均衡所实现的彩色增强处理降低了虚拟照相系统对环境照度的要求。原理分析、量化实验、系统实验、及部分算法在产品中的应用从多方面表明了论文所提方法的正确性。利用VC所提供的VFw(videoforwindow)功能，在VC6．0的平台下实现了上述内容，应用表明，本文所提算法是可靠的。论文在虚拟环境中实时照相系统的硬件部分对系统结构、单片机操作单元部分进行了论述。关键词：体验经济，虚拟现实，人类视觉系统，实时性，人像提取英文摘要AbstractThemanufactureofreal-timephotographingsysteminvirtu

4、alenvironmentmeetstheneedsthatthedevelopmentofexperienceeconomictowardsdigitalapplicationsystem，Thelucubratingofitskeytechnologypart——』‘real·timeportraitpick—up”．hasintroducedtheachievementofvirtualrealitytechnologyintovirtualphotographingsystem，madetheratioofperformanceandpriceincrease

5、greatly,strengthenedthe‘'human”function．Atthesametime，tosomeextentitalsohasthepracticalandacademicreferencedsenseindealingwi廿1thethreeobstacles．suchas“noble”、“computeroverloadedwithdetails'’and“datacrisis”．whichappearancewhenvirtualrealitytechnologyputintoreality．Tllisarticlebeginwimana

6、lyzingthecharacterofhumanvision．makinguseofthenotionofsystemtobalancetheseveraltechnologytargets，suchaSimagequality,real—timecapability，thecostofsystemandSOon,andatthebasisofthoroughanalysistowardtheconcretetechnologytargetofthevirtualreal-timephotographingsystem，puttingforwardthereal—t

7、imeportraitpick-uparithmeticbasedonhumanvisionsystem．Accordingasthedi西talimageprocessingtargetdeterminedbyhumanvisioncharacter，throughaseriesofprocesses，suchasinformationcondensation，statisticsclassi辟baseonparameterself-adaptation，morphologicalnon—linearityfiltering，imagefusion