1、圖像分析與圖像理解都是以數(shù)學分析為基礎,利用計算機處理圖像,完成某些任務,只是前者側(cè)重于對圖像中感興趣區(qū)域的分割、檢測等操作；而后者側(cè)重于獲取圖像中的知識,對圖像進行理解和解釋,這些都是當前計算機領域的研究熱點和難點。圖像分析和圖像理解與計算機視覺、與人工智能有著密切的聯(lián)系,兩者都在于研究并實現(xiàn)具有與視覺系統(tǒng)感知水平相當?shù)目蚣苣Ｐ?因此從分析模型和方法本身入手來研究圖像分析與理解過程具有重要的理論意義和應用前景,同時對模型的結(jié)構(gòu)和功能的

2、理解及其數(shù)學模型的建立是擴充和發(fā)展現(xiàn)有圖像分析和理解方法的重要手段。
　　 本文從圖像分析與理解中的關鍵模型和方法入手,以視覺信息的表示、學習和理解為研究主線,重點分析了模型結(jié)構(gòu)及其表示方法,結(jié)合相關視覺系統(tǒng)的結(jié)構(gòu)和功能機理,初步研究并構(gòu)建了基于若干模型方法的圖像分析和理解框架,完成了圖像分割、視頻分類、場景識別以及目標標注等不同層次的圖像分析和圖像理解任務。
　　 本文的主要工作如下:
　　 (1)概述了圖像分

3、析與圖像理解的層次結(jié)構(gòu)、相互關聯(lián)及其研究現(xiàn)狀,總結(jié)了圖像分析和理解的中的模型和方法,分析了采用智能模型方法進行圖像分析與理解的可行性,提出了基于若干模型方法的圖像分析與理解的研究框架。
　　 (2)以圖像的低層特征描述方法為基礎,特別是針對圖像中車輛陰影的分割問題,提出了帶有目標知識約束的背景更新模型,獲取了多顏色空間中陰影敏感的光譜特征,融合了多顏色空間中各通道條件隨機場分割結(jié)果,構(gòu)建了基于多顏色空間目標約束的圖像分割模型。<

4、br>　　 (3)以Bag-of-words模型為基礎,進一步研究了圖像的低層視覺描述,提出了融合顏色信息的尺度不變特征轉(zhuǎn)換,使得局部特征可以結(jié)合全局信息,構(gòu)建了全局-局部信息視覺詞匯,利朋概率隱語義分析模型對視頻進行語義內(nèi)容分段解析,有效的實現(xiàn)了高精確度的醫(yī)學視頻分類。
　　 (4)以圖像的中層結(jié)構(gòu)信息表示方法為基礎,分析了相關視覺系統(tǒng)場景識別模式,有效利用了全局和局部特征信息,融合了圖像層次結(jié)構(gòu)表示和神經(jīng)網(wǎng)絡收斂方法,依次