排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
2.
一种基于线条组织的图像分割算法 总被引:1,自引:0,他引:1
1 引言 灰度图像分割是计算机视觉中至今尚未解决的困难问题.目前相当多图像分割算法的基本思想可分为两类:模式分类法和感知组织法.模式分类法利用图像的灰度性质或图像的邻域性质对图像进行分割,这种方法的代表有:灰度阈值法、区域生长法、分裂和合并法、迭代分类法、基于表面特征的分割法、基于模糊集合的分割法等等[1,2].感知组织法模仿人类视觉系统的感知性质--在没有图像内容预先知识的情况下能够取得图像基元有关的编组(Groupings)和结构信息,并借鉴人类视觉系统的一些基本编组规则,对从图像中提取出的几何基元进行组织,以产生反映目标几何结构的表示[3,4].模式分类法常利用图像的灰度特征和纹理特征,另外也可利用其它结构特征,甚至某种知识特征;但要对同一种模式提取鲁棒性强的特征有时是相当困难的.而感知组织法的主要困难在于提取的几何基元一般不准确(具有不属于目标的几何基元)以及不完备,因此组织问题比较困难. 相似文献
3.
一种鲁棒高效的人脸特征点跟踪方法 总被引:2,自引:0,他引:2
人脸特征点跟踪能获取除粗略的人脸位置和运动轨迹以外的人脸部件的精确信息,对计算机视觉研究有重要作用.主动表象模型(Active appearance model, AAM)是描述人脸特征点位置的最有效的方法之一,但是其高维参数空间和梯度下降优化策略使得AAM对初始参数敏感,且易陷入局部极值. 因此,基于传统AAM的人脸特征点跟踪方法不能同时较好地解决大姿态、光照和表情的问题.本文在多视角AAM的框架下,提出一种结合随机森林和线性判别分析(Linear discriminate analysis, LDA)的实时姿态估计算法对跟踪的人脸进行姿态预估计和更新,从而有效地解决了视频人脸大姿态变化的问题.提出了一种改进的在线表象模型(Online appearance model, OAM)方法来评估跟踪的准确性,并自适应地通过增量主成分分析(Principle component analysis, PCA) 学习来更新AAM的纹理模型,极大地提高了跟踪的稳定性和模型应对光照和表情变化的能力.实验结果表明,本文算法在视频人脸特征点跟踪的准确性、鲁棒性和实时性方面都有良好的性能. 相似文献
4.
5.
6.
7.
8.
一种鲁棒的全自动人脸特征点定位方法 总被引:4,自引:0,他引:4
人脸特征点定位的目标是能够对人脸进行全自动精确定位. 主动形状模型(Active shape modal, ASM)和主动表象模型(Active appearance modal, AAM)的发表为全自动人脸特征点定位工作提供了很好的思路和解决框架. 之后很多研究工作也都在ASM和AAM的框架下进行了改进. 但是目前的研究工作尚未很好地解决人脸表情、光照以及姿态变化情况下的人脸特征点定位问题, 本文基于ASM框架提出了全自动人脸特征点定位算法. 和传统ASM方法以及ASM的改进方法的不同在于: 1)引进有效的机器学习方法来建立局部纹理模型. 这部分工作改进了传统ASM方法中用灰度图像的梯度分布进行局部纹理建模的方法, 引入了基于随机森林分类器和点对比较特征的局部纹理建模方法. 这种方法基于大量样本的统计学习, 能够有效解决人脸特征点定位中光照和表情变化这些难点; 2)在人脸模型参数优化部分, 本文成功地将分类器输出的结果结合到人脸模型参数优化的目标函数当中, 并且加入形状限制项使得优化的目标函数更为合理. 本文在包含表情、光照以及姿态变化的人脸数据上进行实验, 实验结果证明本文提出的全自动人脸特征点定位方法能够有效地适应人脸的光照和表情变化. 在姿态数据库上的测试结果说明了本算法的有效性. 相似文献
9.
在脱机手写汉字识别中,笔画形变是造成识别率下降的主要原因,减少笔画形变的影响是提高脱机手写汉字识别率的关键。针对上述问题,提出了最优采样特征。该特征以目前被广泛应用的方向线素特征为基础,在一定的约束条件下,通过移动采样点的位置,可以适应笔画的形变。从而减少特征的类内方差,提高特征的可分性,改进了识别性能。通过在THCHR样本集上进行实验,并对最优采样特征和方向线素特征的实验结果进行比较,验证了最优采样特征的识别率优于方向线索特征。 相似文献
10.