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.     

改进的ASM方法在人脸定位中的应用

在传统ASM模型的基础上，采用以轮廓点为中心的矩形区域的DCT系数进行轮廓匹配，提出了一种改进算法。该方法充分利用了轮廓点附近的二维纹理信息，改善了ASM方法采用轮廓点附近一维灰度信息导致模型匹配精度不高的问题。DCT 具有良好的去相关性能和能量集中性能，仅采取3.52%的DCT系数却平均保留了图像95%的能量，并采用八方向搜索最佳轮廓点，提高了定位速度。实验证明该方法非常有效。     

ASM与彩色Labor特征相结合的人脸关键特征点提取

提出一种ASM(active shape Model)与彩色Gabor特征相结合的提取人脸关键特征点的方法。该方法首先通过瞳孔的精确定位来辅助完成人脸形状模型的初始化;然后采取全局特征与局部特征相结合的方法来共同实现对特征点的定位;最后选取人脸图像中的关键特征点的特征信息,结合彩色Gabor特征进行提取,进而快速准确地得到人脸关键特征点。实验表明,与传统的ASM算法比较,加入了彩色信息的改进算法对特征点定位有显著的提高。     

一种基于改进的ASM人脸特征定位技术

原始的主动形状模型(Active Shape Model,ASM)在很多方面得到了广泛的应用,如特征点定位,轮廓提取等。但是,原始ASM算法只采用灰度信息进行局部特征匹配,需要的训练样本多,存在精度不够高,鲁棒性不强的缺点。本文提出了一种融入彩色梯度特征的方法来改进原始ASM算法,并在IMM人脸库上进行对比实验,实验结果表明改进的算法性能比原始ASM算法有很大的提高。     

两种超声颈动脉血管斑块图像分割方法比较与改进

针对颈动脉超声图像,实现了两种颈动脉血管斑块的分割方法—活动形状模型(Active Shape Models,ASM)和活动表观模型(Active Appearance Models,AAM),对38组颈动脉超声图像进行了内外轮廓分割,并比较了两类算法对颈动脉内外轮廓分割的有效性。在综合分析实验结果的基础上,结合颈动脉超声图像的特点,通过引入比例不变性改进了ASM算法。统计结果表明,在运行时间上,ASM和改进ASM的运行时间相近,AAM大约为ASM和改进ASM的16倍。同时,采用FOM和RAY两种方法对分割效果进行评价,结果表明,改进ASM算法的分割效果较ASM有了很大的提高,是最适合颈动脉血管斑块超声图像分割的算法。     

基于主动形状模型的人脸脸型自动分类算法

研究表明人脸脸型可以分为圆脸、椭圆脸、方脸、三角脸等.基于主动形状模型(ASM)提出了一种自动人脸脸型分类方法.首先利用各种脸形的样本进行训练以建立脸型形状模型库,然后运用ASM算法对测试样本自动定位正面人脸形状,比较其与各个脸型形状模型的距离,最后应用最近邻方法实现脸型的自动分类.仿真实验表明,该方法优于利用人脸轮廓曲率或下颌曲率的方法,能够充分挖掘人脸形状信息,分类结果稳定准确,可以有效提高大库人脸识别的速度和准确率.     

基于ASM和K近邻算法的人脸脸型分类

针对人脸特征分类问题,提出一种基于主动形状模型(ASM)和K近邻算法的人脸脸型分类方法。将Hausdorff距离作为K近邻算法的距离函数,利用ASM算法提取待测图像的特征点,对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的Hausdorff距离,根据该距离值,通过K近邻算法实现待测图像的脸型分类。实验结果证明,该方法分类正确率高、速度快、易于实现。     

改进的多模板ASM人脸面部特征定位算法

为了提高主动形状模型(ASM)算法在人脸平滑区域检测的准确性,提出一种先利用全局模板进行总体定位,再利用局部模板进行局部定位的改进的多模板ASM算法.在局部定位过程中,首先在各模板特征点中构建窄条带,然后利用Closed-form算法对窄条带区域进行纹理分割,最后利用局部模板与图像进行匹配,得到人脸特征点位置信息.实验结果表明,与传统ASM算法相比,该算法显著改善了纹理平滑区域特征点定位不精确的问题,并提高了对各特征点的提取精度.     

利用贝叶斯结构模型的复杂形状建筑物提取

现有的建筑物轮廓提取方法在处理非矩形的复杂形状建筑物时存在局限性,为克服这一缺点,提出一种航拍图像复杂形状建筑物轮廓的提取方法.针对复杂形状建筑物结构不规则的特点,提出一种贝叶斯结构模型.该模型以概率的形式表示建筑物边缘之间的连接关系;并引入Boosting决策树方法,综合考虑建筑物边缘周围的颜色和纹理等多种图像信息,增强了模型的鲁棒性.另外,设计了一种长度归一化的能量函数来描述建筑物轮廓,并运用图优化算法全局寻优,实现对建筑物轮廓的提取.实验结果表明,该方法能有效地提取多种复杂形状建筑物的轮廓.     

基于多级混合模型的图像分割方法

本文研究了典型的基于区域的图像分割方法主动形状模型(Active Shape Model,ASM)和基于边缘的图像分割snake算法,分析了算法适用条件和各自的优缺点.结合snake模型与主动形状模型,提出了一种基于多级混合模型的图像分割方法:首先使用ASM,获得的时目标图像位置和形态的最佳估计,并通过snake算法对匹配的结果进行二次调整,获取可以精确描述图像边缘信息的模型.试验表明了该方法的有效性.