改进的用于人脸面部特征定位的ASM方法

主动形状建模是面部特征定位和人脸识别等模式识别领域中常用的一种方法.然而,由于受到初始情况、光照等诸多因素的影响,主动形状建模经常会陷入最优化过程中的局部最小问题,从而导致其性能下降.文章在传统主动形状模型基础上,提出了一种改进的ASM算法.首先,利用Adaboost初始定位面部的显著特征区域以便在后续的搜索中进行位置的约束;其次,将原始ASM方法中的关键点的1D纹理模型改进为基于核概率密度估计模型的2D纹理模型;最后,在局部灰度模型中加入了边缘约束,使边缘信息较强的点有更大的可能成为最佳候选点.该方法可以有效地解决上述局部最小问题,并且更好地捕捉局部点的特征信息,从而更精确地进行面部特征定位.实验结果表明,改进的ASM方法在准确性和鲁棒性上有较大提高,可为后续的人脸识别打下良好的配准基础.     

基于改进的ASM方法的人脸特征点检测

针对传统的Active Shape Model（ASM）方法的缺陷与不足,提出了几点改进的方法。传统的ASM方法利用人脸检测提供的初始位置进行特征搜索;在改进算法中,利用了瞳孔定位的方法进行初始化,并采取了边缘约束,自适应步长等改进方法,有效地改善了ASM方法的性能。实验结果表明,改进的ASM方法在准确性和鲁棒性上有较大提高。     

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。     

基于ASM和线段Hausdorff距离的人脸识别

主动形状模型（ASM）是人脸特征定位的有效方法。针对ASM的不足,从初始定位、建模方法和搜索策略等三个方面进行了改进,提出了基于模块化ASM(MASM)的定位方法。实验结果表明,改进后的方法在定位准确度上有了较大提高。此外,利用模块化ASM定位得到的人脸轮廓及各器官的形状特征,采用线段Hausdorff距离(LHD)作为相似性测度,在CVL人脸数据库上进行人脸识别,获得了较好的识别效果。     

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.     

ASM的手骨提取方法研究

骨龄自动评估面临的困难是骨骼准确定位与骨骼兴趣区域提取。由于手骨X光图像存在光照不均及骨骼发育程度不规则等因素影响,传统的图像分割方法在骨骼上的分割效果不太理想;为了实现对手骨边缘的精确提取,结合AdaBoost级联分类器,提出基于ASM（主动形状模型）算法的手骨边缘提取方法,丰富了骨龄自动评价系统的应用研究。实验表明,基于ASM算法的手骨分割能有效对手骨X射线图像进行准确的定位,为骨龄自动化评价系统的下一步工作奠定基础。     

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。     

一种基于改进的ASM的人脸特征点定位方法

主动形状模型(ASM)在对目标点的搜索过程中,只采用了训练图像中标定点两侧法线方向的profile邻域内像素点的灰度信息,且对这些点等同视之;搜索时也只限于目标图像标定点两侧法线方向上的若干个像素,范围过于简单。考虑到彩色人脸图像的普及及其携带的丰富的信息,首先在RGB空间分三通道分别进行处理,其次对profile邻域内像素点赋予不同的权重,建立加权的局部灰度模型,最后把搜索空间拓展到包括传统法线和与之相互平行的相邻的两条法线上的像素点集上。仿真实验表明,以上3方面的改进大大提高了ASM方法对人脸特征点的定位精度,精度提高16.5%,是一种可行的改进方法。     

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.     

基于改进ASM的三维人脸自动对齐算法

针对传统三维人脸对齐算法需要大量人工操作和数据冗余的不足,提出一种基于改进主动形状模型的三维人脸自动对齐算法。该算法对二维人脸进行快速自动特征定位,根据三维人脸柱面展开的二维纹理图进行自动特征定位并分片。采用基于平面模板的重采样算法,自动实现三维人脸顶点稠密对齐。实验结果表明,该算法在提高运算速率的同时,得到的归一化结果与原始数据仍能保持99%形状相似度。     

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。     

一种改进的2DPCA人脸识别方法

在小样本情况下,传统的2DPCA算法中采用的训练样本的平均值不一定就是训练样本分布的中心,为了解决这个问题,提出了一种基于样本中间值的2DPCA人脸识别算法（M2DPCA）,该算法采用训练样本的中间值代替训练样本的平均值,以此重建总体散布矩阵。在ORL和FERET人脸数据库上的实验结果证明,新方法可以有效改善识别性能,优于传统的PCA和2DPCA方法。     

基于半动态外观模型的人脸识别

在进行人脸识别时,光照、表情、角度等因素的影响会大幅增加数据计算的时空复杂度。为此,提出一种新的图像外观统计模型,在动态形状模型中引入灰度共生矩阵(GLCM),通过计算图像形状对齐情况下的GLCM,建立半动态外观模型。基于ORL人脸数据库的实验结果表明,该模型相比动态外观模型,识别准确率更高,速度更快。     

基于ASM和Gabor变换的人脸识别

人脸形状特征的变化是造成人物面貌差异的重要原因之一。主动形状模型(ASM)技术提供了检测该特征的有力手段。Gabor变换有着良好的仿生特性。它提供了理解视觉信息的有效途径。结合上述技术,采用点分布模型对人脸形状进行描述,利用ASM进行人脸特征点的搜索。以特征点上的Gabor展开系数作为人脸特征矢量,进行人脸辨识,实验结果表明,该算法能够在少量训练样本的情况下获得较高的识别率,并对光照、人物表情等变化具有较好的适应性。     

一种改进的BDPCA掌纹识别方法

在小样本的情况下,BDPCA算法中采用以训练样本的平均值作为样本分布中心,所得的特征值不一定是最优的。为此,提出了一种基于样本散度矩阵的改进BDPCA掌纹识别算法。该算法采用训练样本的K值矩阵替代训练样本的均值矩阵,构建相应的总体散度矩阵。在PolyU和CASIA掌纹库上的实验结果证明,该方法的最优识别率高于传统的BDPCA算法。     

基于混合特征和分层最近邻法的人脸表情识别

采用主动形状模型提取人脸嘴巴几何特征,利用Gabor小波提取眼睛和眉毛频域特征.根据人脸表情特征基于分类树思想将表情进行三层分类.第1层以嘴宽高比、嘴高、嘴宽高差作为最近邻的输入进行训练实现粗分类;第2层以嘴宽、嘴宽高差作为最近邻的输入进行训练实现分类;第3层以眼睛和眉毛区域15个关键点的Gabor小波特征作为最近邻的...