中文摘要：

图像非刚性匹配是计算机视觉、模式识别和图像处理领域的关键技术。图像非刚性变换的复杂性与未知性，是匹配方法研究的难点。本项目借鉴图形学领域的运动迁移思想，探索获取未知目标个体,形变先验知识的有效计算途径，以此突破图像非刚性匹配算法中的关键技术。针对非理想条件下的图像匹配问题，结合基于样本学习的运动迁移模型，提出一种新的鲁棒图像非刚性匹配方法；利用局部特征匹配、空间运动约束，结合结构化的特征表示形式，研究匹配参数初始化与快速搜索方法。另外，将探讨运动单元迁移的组织建模方式，学习样本序列的运动轨迹先验知识，将图像非刚性匹配应用于人脸运动序列的特征点提取工作中。本项目的实施有助于完善基于形变先验知识的图像非刚性匹配算法理论框架，同时可为实际中海量图像数据的特征点标定与整理工作提供可靠的技术手段。