Deformable model techniques in computer vision problems and image and video processing

The main research of this PhD thesis are newly developed deformable techniques in computer vision problems, image and video processing. A new method for the automatic selection and tracking of characteristic feature points on 20 objects by using 3D deformable surfaces is presented. Additionally, a 1D and 2D discrete, non-separable signal transforms and their inverse formula are introduced. Moreover, a novel approach for estimating 3D head pose in single-new video sequences is proposed. Head pose is performed by using three appropriate trained radial basis function interpolation networks. Finally, a novel approach for image segmentation of color textured images, is presented 3D deformable surfaces, which combines image spatial information and image intensity, are exploited. The experimental results of all the aforementioned approaches show that they are useful techniques in computer vision and image and video processing.Η παρούσα διδακτορική διατριβή με θέμα "Τεχνικές Παραμορφώσιμων Μοντέλων σε Προβλήματα Τεχνητής Όρασης και Επεξεργασίας Τρισδιάστατης Εικόνας και Βίντεο" περιλαμβάνει μια μέθοδο επιλογής και παρακολούθηση χαρακτηριστικών σημείων, χρησιμοποιώντας τρισδιάστατα παραμορφώσιμα μοντέλα επιφάνειας. Συγκρινόμενη με άλλες μεθόδους πετυχαίνει καλά και ποιοτικά αποτελέσματα. Εν συνεχεία, προτείνεται ένας μονοδιάστατος και δισδιάστατος μετασχηματισμός σήματος που έχει παρόμοια δομή με τον διακριτό μετασχηματισμό συνημίτονου. Η εφαρμογή του σε συμπίεση εικόνας παράγει ποιοτικά αποτελέσματα. Έπειτα, παρουσιάζεται μια νέα μέθοδος εκτίμησης προσανατολισμού ανθρώπινου κεφαλιού σε βίντεο με χρήση δικτύων παρεμβολής ακτινικών συναρτήσεων βάσης. Συγκρινόμενη με άλλες μεθόδους, πετυχαίνει καλύτερα αποτελέσματα. Τέλος, παρουσιάζεται μια νέα μέθοδος κατάτμησης έγχρωμων εικόνων συνδυάζοντας τη χωρική πληροφορία της εικόνας με τη φωτεινότητά της. Τα αποτελέσματα πλησιάζουν τις κατατμήσεις που σημείωσαν ανθρώπινα χέρια