摘要：

特征提取一直是图像处理和计算机视觉研究领域中一个值得探讨的问题,在计算机科学、医疗辅助诊断、军事、工业测量等众多领域都广泛采用这一技术,尤其是计算机视觉和模式识别研究中,如何准确定位和提取关键特征往往是其中首先需要解决的问题之一,是提高识别率等问题的重要前奏和关键问题;有着广泛的应用前景和潜在的市场价值。 主动形状模型(Active Shape Model, ASM)是特征提取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。本文系统介绍并复现主动形状模型,主要研究了ASM中的一些关键问题,对影响ASM性能的各因素进行实验与分析,针对传统ASM存在的问题研究两个改进算法: (1)在传统主动形状模型基础上,研究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,更好地捕捉局部点的特征信息,从而更精确地进行特征定位。 (2)人工鱼群算法(Artificial Fish Swarm Algorithm, AFSA)是一种新型的寻优算法,具有良好的克服局部极值、取得全局极值的能力。算法具有对初值无要求、对各参数的选择也不很敏感等优点。本文针对初始状态严重影响定位结果等问题研究了一种基于人工鱼群算法(AFSA)的ASM,从而提高了特征提取准确率。 在ORL人脸数据库、JAFFE人脸数据库中进行特征定位实验,将改进算法与传统算法进行比较。实验结果表明,改进算法具有搜索速度快、定位精度高、对初始状态不敏感、避免局部最优等优点。

展开