基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

改进的活动形状模型肺部轮廓提取算法

在医学临床实践和研究中经常需要对胸部DR图像的肺部解剖结构进行识别和精确定位,以获取有用的信息.本文采用一种形变模型分割技术--活动形状模型(Active Shape Motlel.ASM).对胸部DR图像进行肺部轮廓提取.为了提高ASM算法的性能,提出了一种改进的ASM算法.首先,精确定位肺尖和肋角的位置用作平均形状模型的初始化,并采用以轮廓点为中心的矩形区域的平均灰度信息进行轮廓匹配,其次,采用Gaussian金字塔多分辨率搜索策略,提高了定位速度.实验结果表明,与传统的ASM算法相比,该算法在肺部轮廓提取的速度与准确性均有显著地提高.     

基于主动形状模型算法的局部灰度模型的加权改进方法

主动形状模型(ASM)算法在对目标点搜索的过程中,只采用了标定点周围的局部灰度信息,这样往往会使灰度相似但其实微观纹理细节差别很大的两个点混为一谈,最终使算法的定位不够精确。为此,提出一种基于主动形状模型算法的局部灰度模型的加权改进方法,该算法采用一系列服从离散高斯分布的加权系数依次表示标定点法线方向上两侧的候选点是真实特征点的可能性,从而建立局部加权灰度模型。通过实验结果表明,改进算法比传统算法精度提高了6%。     

基于改进主动形状模型的人脸表情识别

主动形状模型(ASM)是面部特征定位、人脸识别和表情识别等模式识别领域中常用的一种方法。但受到初始情况、光照等诸多因素的影响,其性能会有所下降。研究了一种改进的主动形状模型,改进主要体现在两个方面:第一,首先用点轮廓检测算法(PCDM)检测到双眼的位置,为ASM中的点分布模型粗略地定位好初始位置;第二,从ASM原始的思想出发,充分挖掘标定点之间的联系,提出一种构建局部纹理模型的新方法。在JAFFE人脸数据库中进行验证,结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。最终构造神经网络分类器进行人脸表情识别实验,得到了较好的识别率。     

基于ASM的图像中二维物体的定位方法研究

文中以医学图像中脊柱的定位为应用背景,介绍了一种基于统计形状模型的主动形状模型(ASM)的理论框架.它首先运用主分量分析方法建立目标轮廓的先验模型,而后通过不断调整模型参数来减少模型与目标轮廓的距离误差,最终在多次迭代后达到模型与实际目标的匹配.与传统的目标定位方法相比,ASM模型具有较高的通用性和准确性,根据该模型得到的实验结果也说明了其在目标定位应用中的有效性.     

改进的主动形状模型方法在人脸特征点定位中的应用

主动形状模型ASM(Active shape model)是一种统计参数化模型,主要应用于图像中的特征提取。传统的ASM方法对训练集数据采用PCA方法获得形状特征向量和形状参数,然后根据转换矩阵建立线性的统计参数化的形状模型。在分析传统方法不足的基础上,提出一种改进的主动形状模型定位人脸特征的新方法。该方法采用增量PCA,可以有效解决模型匹配失败和受测试图像影响等因素,同时可对训练集进行纹理模型更新。实验结果表明,改进的方法可以有效提高模型的匹配精度,同时加快了模型定位特征点的时间。     

基于改进主动轮廓线的虹膜定位方法

针对传统的Snake模型对初始位置敏感,需要依赖其它机制将主动轮廓线的蛇点放置在图像目标附近,导致弱边界图像求解效果较差的问题,应用改进的能量函数Snake模型,均匀地对蛇点进行搜索,在搜索中逐渐加大内部能量函数的调整,经过选代,使得各蛇点的轮廓逐渐逼近目标轮廓,直到其到达虹膜的边界.实验结果表明了该方法的有效性.     

一种改进主动形状模型的研究

主动形状模型(Active Shape Model,ASM)是一种较为流行的用于特征定位的统计学形状模型,主要应用于灰度图像中物体的跟踪与定位。在传统主动形状模型基础上,研究了一种构建局部纹理模型的新方法。该模型充分利用特征点之间的联系,构建加权模型。在ORL人脸数据库、JAFFE人脸数据库中进行特征定位实验,并进行了ASM性能分析。结果表明,改进ASM方法提高了搜索速度与特征点定位的精度。     

煤矿井下人员人脸轮廓提取方法

针对煤矿井下人员脸部轮廓难以提取而导致考勤系统识别率低的问题,提出了一种基于主动轮廓模型和主动形状模型的人脸轮廓提取方法。首先由主动形状模型估计初始轮廓位置,然后通过定义主动轮廓模型的能量函数,采用主动轮廓模型算法多次迭代后缩小标记点与真实轮廓之间的差距,提取由主动形状模型获得的正交插值的灰度值轮廓,即可得到人脸轮廓。实验结果表明,该方法较传统主动轮廓模型能够更精确地提取人脸轮廓形状。     

结合ASM及特征融合策略的Tagged MR左心室分割

提出了一种基于ASM框架的Tagged MR图像左心室分割方法。即从基于典型相关分析的特征融合角度对LM滤波器组提取的Tagged MR图像左心室纹理特征用典型相关分析进行优化组合,再用SVM构造分类器,通过分类器来确定边缘点,驱动ASM模型边界变形得到分割结果。通过典型相关分析的特征融合可以降低分类错误率,提高分类性能;用分类器代替经典ASM模型的基于轮廓灰度的匹配法来确定边缘点具有较强的鲁棒性。该方法在不同时刻不同断层Tagged MR图像上进行了验证,实验结果表明该方法具有较高的准确度和较强的鲁棒性。     

基于量化的二维DCT优化算法研究

DCT变换广泛应用于图像压缩算法中,在大多数情况下最有用的信息集中在DCT系数的低频序列中,而对那些经过量化后为零的系数进行计算,不但费时且计算量大幅增加。据此提出了两种新的二维DCT快速截取算法,使得计算一个8×8的二维DCT变换所需的乘法运算次数减少了60％,加法运算次数减少了77％。经过实验验证该算法在峰值信噪比PSNR值损失很少的情况下,显著地降低了算法的复杂度。     

结合DCT和SVM的故障诊断方法研究

针对故障诊断研究中,样本数据维数过高导致故障模式分类时SVM学习强度太大的问题,利用DCT方法在降噪处理时体现出"能量集中"和"高频抑制"的特性,提出一种基于DCT的SVM故障诊断方法。先对故障样本进行DCT降维,再利用SVM方法对主要维离散余弦系数进行模式训练来代替对故障样本的直接训练,从而大大抑制了噪声对故障分类的影响,同时也减少了诊断运算量,最后通过实验仿真验证了算法的有效性。     

ASM及其改进的人脸面部特征定位算法

为了提高主动形状模型(ASM)算法的性能,提出一种改进的ASM算法.首先,精确定位出瞳孔的位置用作平均形状模型的初始化;其次,采用全局形状模型、面部显著特征区域成分形状模型以及人脸面部的相似性构形相结合的办法来共同约束特征点的定位结果;最后,特征点周围采用Log-Gabor小波系数进行描述,并建立局部纹理模型,提高了算法对光照和噪声的鲁棒性.实验结果表明,与传统的ASM算法相比,该算法特征点定位精确度有显著的提高.     

低秩和主动形状模型的肺区分割

目的 肺区分割是肺癌计算机辅助诊断系统的首要步骤。主动形状模型（active shape model,ASM）能根据训练集获得肺区形状模型,再结合待分割肺区影像自身的局部特征,进行测试影像的分割。由于主成分分析（principal component analysis,PCA）仅能去除服从高斯分布的噪声,不能处理其他类型的噪声,所以当训练集含有非高斯类型的噪声样本时,采用基于PCA的ASM无法训练出正确的形状模型,使得肺区分割不能得到正确的结果。而低秩（low rank,LR）理论的鲁棒主成分分析（robust principal component analysis,RPCA）能去除各种类型的噪声,基于此,本文提出一种将RPCA与ASM相结合的方法。方法 首先对训练样本集标记点矩阵进行低秩分解,去除噪声样本对训练出的形状模型的影响。然后在ASM训练局部梯度模型时,用判断训练样本轮廓上的标记点曲率直方图的相似度来去除噪声样本。结果 在训练集含噪声样本时,将基于RPCA的ASM与传统ASM（即基于PCA的ASM）分别生成的形状模型进行对比,发现基于RPCA的ASM生成的形状模型与训练集无噪声样本时传统ASM生成的形状模型更相符。在训练集含噪声样本的情况下,基于RPCA的ASM方法分割EMPIRE10数据集中的22个肺影像,与金标准的重叠度为94.5%,而基于PCA的ASM方法分割准确率仅为69.5%。结论 实验结果表明,在训练样本集中有噪声样本的情况下,基于RPCA的ASM分割能得到比基于PCA的ASM更好的分割效果。     

基于局部DCT系数的图像压缩感知编码与重构

引入了压缩感知(Compressed sensing, CS)理论, 给出了在获取局部二维 离散余弦变换(Discrete cosine transform, DCT)系数的基础上高质量地编码与重构图像的新方法. 研究了在无量化和有量化情况下, 基于局部DCT系数的图像CS最小全变差重构算法. 在对DCT系数进行量化的过程中得到含噪的局部DCT系数, 在此基础上设计了能完成CS重构的图像编解码一般流程, 并构建了实际应用系统. 实验结果表明, 对于稀疏性较强的图像, 在图像编解码系统中结合CS理论与方法能得到高质量的重构图像, 与传统的直接反离散余弦变换(Inverse DCT, IDCT)方法相比, 峰值信噪比(Peak signal to noise ratio, PSNR)最大能提高5dB以上, 对于一般图像, PSNR也有较大提高.     

半空间混合图像置乱方法

考虑到变换域置乱的鲁棒性和混沌序列对初值敏感、遍历性及随机性等特点,提出一种基于DCT变换域的半空间图像置乱方法,先对图像的第一个变量进行一维DCT变换。在此基础上对DCT系数用混沌序列进行调制,将调制结果进行DCT反变换;进而对图像的第二变量进行一维DCT变换,采用与第一变量相同的方法得到最终的置乱结果。算法简单可行,置乱效果好。实验证明该方法具有一定的抗攻击能力。     

基于人工鱼群算法的主动形状模型*

在分析ASM不足的基础上,研究了一种基于人工鱼群算法(AFSA)的ASM,从而有效克服初始状态对定位结果的影响。对ORL人脸数据库进行特征定位的实验结果表明,算法具有搜索速度快、定位精度高、对初始状态不敏感、避免局部最优等优点。     

Feature extraction using discrete cosine transform and discrimination power analysis with a face recognition technology

Discrete cosine transform (DCT) is a powerful transform to extract proper features for face recognition. After applying DCT to the entire face images, some of the coefficients are selected to construct feature vectors. Most of the conventional approaches select coefficients in a zigzag manner or by zonal masking. In some cases, the low-frequency coefficients are discarded in order to compensate illumination variations. Since the discrimination power of all the coefficients is not the same and some of them are discriminant than others, so we can achieve a higher true recognition rate by using discriminant coefficients (DCs) as feature vectors. Discrimination power analysis (DPA) is a statistical analysis based on the DCT coefficients properties and discrimination concept. It searches for the coefficients which have more power to discriminate different classes better than others. The proposed approach, against the conventional approaches, is data-dependent and is able to find DCs on each database. The simulations results of the various coefficient selection (CS) approaches on ORL and Yale databases confirm the success of the proposed approach. The DPA-based approaches achieve the performance of PCA/LDA or better with less complexity. The proposed method can be implemented for any feature selection problem as well as DCT coefficients. Also, a new modification of PCA and LDA is proposed namely, DPA-PCA and DPA-LDA. In these modifications DCs which are selected by DPA are used as the input of these transforms. Simulation results of DPA-PCA and DPA-LDA on the ORL and Yale database verify the improvement of the results by using these new modifications.     

基于准三维变换的视频隐写算法

结合离散余弦变换(DCT)的能量压缩能力和离散小波变换(DWT)的多分辨率特性,提出一种基于准三维变换的视频隐写算法。该算法利用二维小波变换描述视频序列的帧内信息,通过一维离散余弦变换描述视频序列的帧间信息,从而有效利用视频序列的空间及时间冗余,将秘密信息嵌入在DCT系数的量化过程中,保证了视频序列的稳定性及秘密信息提取的准确性。实验结果表明,该算法具有较好的视觉不可见性与较高的嵌入容量,且可实现秘密信息的盲提取。