1、動態(tài)紋理是指描述某種動態(tài)景觀的、具有時間相關(guān)重復(fù)特征的圖像序列。動態(tài)紋理在自然界中廣泛存在，比如火焰、煙幕、流動的河流、隨風(fēng)擺動的樹葉或者多個目標(biāo)對象(公路上的車輛或人群)的整體運動。本文的主要研究工作集中在動態(tài)紋理識別技術(shù)中，基于模型的識別技術(shù)研究。 本文首先研究了動態(tài)紋理模型。LDS(LinearDynamicSystem)動態(tài)紋理模型將每幀圖像表示為線性子空間(如主成分分析PCA)中的一點，并用自回歸過程來學(xué)習(xí)子空間上拋物

2、線的動態(tài)特性。目前，基于模型的動態(tài)紋理識別技術(shù)大都采用此模型。然而，由于此LDS模型采用的線性維數(shù)約減策略(如PCA)，過于簡單，使此模型不能捕獲復(fù)雜的場景變化。因此，本文研究了多子空間的動態(tài)紋理模型。此模型采用多個PCA的混合來描述圖像流(imagemanifolds)的特征。對于場景變化大的圖像，這種流體通常是非線性的，且有它們各自的坐標(biāo)系統(tǒng)。此模型采用了一種全域坐標(biāo)模型(aglobalcoordinationmodel)，將不同流

3、體的PCA坐標(biāo)，映射到一個統(tǒng)一的流體坐標(biāo)系統(tǒng)中。然后，利用此全域坐標(biāo)模型建立動態(tài)紋理自回歸模型。 本文接著研究了基于模型參數(shù)間距離的動態(tài)紋理識別技術(shù)。分析了Stiefelmanifolds空間的三種距離：PrincipalAngles、MartinDistance、GeodesicDistance。其中基于Martin距離的識別法相比于基于其他兩種距離的識別法來說，識別率要高很多。此外，本文討論了另一種基于KL(Kullback

4、-Leibler)距離的識別法。它利用了LDS動態(tài)紋理模型中圖像向量及狀態(tài)向量的概率分布特征，計算出狀態(tài)空間的KL距離和圖像空間的KL距離，然后以這兩種距離為核，利用支持向量機(SVM：supportvectormachine)進行分類，從而識別不同的動態(tài)紋理序列。基于KL距離的識別法的識別效果要優(yōu)于基于Martin距離的識別法。 最后，本文研究了另一類基于模型的識別技術(shù)：基于模型變量的脈沖響應(yīng)的動態(tài)紋理識別法。此算法運用了動態(tài)

5、紋理的一種簡單而有效的特征，來進行識別。這種特征基于估計出的動態(tài)紋理模型變量的脈沖響應(yīng)。此脈沖響應(yīng)能捕獲動態(tài)紋理內(nèi)在的動態(tài)特性。此種識別技術(shù)能夠識別同一圖像序列中，在各個不同區(qū)域的多個不同的動態(tài)紋理。且相對與基于距離的識別技術(shù)來說，計算更簡便，識別速度更快。因此，基于此算法，本文提出了一種基于多子空間動態(tài)紋理模型的改進算法。由于多字空間模型能更好地捕獲復(fù)雜的景象變化，改進的算法識別動態(tài)紋理的非穩(wěn)態(tài)特性效果也更好。改進的算法利用所有的脈沖