Gabor ASM及其在人臉分割中的應用.pdf

1、圖像工程是近些年來得到極大的發(fā)展和長足的進步的新學科，它包括圖像處理，圖像分析和圖像理解三個層次。圖像分析是圖像工程中處于中間的層次，是由圖像處理邁向圖像理解的必經(jīng)之路，它的作用主要是對圖像中感興趣的目標進行測量以獲得它們的客觀信息，從而建立對圖像的描述。人臉分割作為圖像分析的一個重要分支是實現(xiàn)魯棒實用的人臉識別系統(tǒng)的基本前提，它的作用是對人臉的各個器官輪廓進行精確定位。 主動形狀模型(ASM)是目前解決人臉分割問題的主流方法之

2、一。ASM是一種基于點分布模型(PointDistributionModel，PDM)的算法。在PDM中，外形相似的特定類別物體的形狀通過若干關鍵的特征點(Landmarks)的坐標串接成原始形狀向量。對訓練集中的所有形狀向量進行對齊操作后，對他們進行PCA分析建模，保留的主成分形成最終的形狀模型，形狀模型的參數(shù)反映了形狀的主要可變化模式。搜索時首先通過局部紋理模型匹配得到各個特征點的更佳的位置，經(jīng)過相似變換對齊后，通過統(tǒng)計形狀模型對其

3、進行約束，而后再進行局部紋理模型的匹配，形成一個迭代過程，以期形狀模型最終匹配到輸入的形狀模式上去。 在傳統(tǒng)ASM中，使用的是特征點局部灰度紋理特征作為啟發(fā)式信息，很容易陷入局部極小。近年來，隨著小波分析在圖像處理、計算機視覺等領域內(nèi)的研究應用日趨成熟，考慮到應該充分挖掘小波分析的潛力，將它和經(jīng)典的ASM相結(jié)合?；谶@個思想，本文設計出了GaborASM算法。GaborASM算法相對于傳統(tǒng)ASM的差別在于它在搜索的最后采用了基于