圖像特征提取算法研究與應(yīng)用.pdf

1、特征提取一直是圖像處理和計(jì)算機(jī)視覺(jué)研究領(lǐng)域中一個(gè)值得探討的問(wèn)題，在計(jì)算機(jī)科學(xué)、醫(yī)療輔助診斷、軍事、工業(yè)測(cè)量等眾多領(lǐng)域都廣泛采用這一技術(shù)，尤其是計(jì)算機(jī)視覺(jué)和模式識(shí)別研究中，如何準(zhǔn)確定位和提取關(guān)鍵特征往往是其中首先需要解決的問(wèn)題之一，是提高識(shí)別率等問(wèn)題的重要前奏和關(guān)鍵問(wèn)題；有著廣泛的應(yīng)用前景和潛在的市場(chǎng)價(jià)值。
　　 主動(dòng)形狀模型(Active Shape Model，ASM)是特征提取等模式識(shí)別領(lǐng)域中常用的一種方法。然而，由于受到初

2、始情況、光照等諸多因素的影響，主動(dòng)形狀建模經(jīng)常會(huì)陷入最優(yōu)化過(guò)程中的局部最小問(wèn)題，從而導(dǎo)致其性能下降。本文系統(tǒng)介紹并復(fù)現(xiàn)主動(dòng)形狀模型，主要研究了ASM中的一些關(guān)鍵問(wèn)題，對(duì)影響ASM性能的各因素進(jìn)行實(shí)驗(yàn)與分析，針對(duì)傳統(tǒng)ASM存在的問(wèn)題研究?jī)蓚€(gè)改進(jìn)算法：
　　 (1)在傳統(tǒng)主動(dòng)形狀模型基礎(chǔ)上，研究一種構(gòu)建局部紋理模型的新方法，該模型充分利用特征點(diǎn)之間的聯(lián)系，構(gòu)建加權(quán)模型，更好地捕捉局部點(diǎn)的特征信息，從而更精確地進(jìn)行特征定位。
　

3、　 (2)人工魚群算法(ArtificialFishSwarmAlgorithm，AFSA)是一種新型的尋優(yōu)算法，具有良好的克服局部極值、取得全局極值的能力。算法具有對(duì)初值無(wú)要求、對(duì)各參數(shù)的選擇也不很敏感等優(yōu)點(diǎn)。本文針對(duì)初始狀態(tài)嚴(yán)重影響定位結(jié)果等問(wèn)題研究了一種基于人工魚群算法(AFSA)的ASM，從而提高了特征提取準(zhǔn)確率。
　　 在ORL人臉數(shù)據(jù)庫(kù)、JAFFE人臉數(shù)據(jù)庫(kù)中進(jìn)行特征定位實(shí)驗(yàn)，將改進(jìn)算法與傳統(tǒng)算法進(jìn)行比較。實(shí)驗(yàn)結(jié)果