学位论文 > 优秀研究生学位论文题录展示

图像特征提取算法研究与应用

作　者: 刘清艳
导　师: 刘渊
学　校: 江南大学
专　业: 计算机软件与理论
关键词: 图像处理特征提取主动形状模型局部形状建模人工鱼群算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 531次
引　用: 2次
阅　读: 论文下载

内容摘要

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。

全文目录

摘要  3-4
Abstract  4-7
第一章绪论  7-13
  1.1 研究背景  7-8
  1.2 特征提取研究概述  8-9
  1.3 特征提取一般方法  9-11
  1.4 本文的主要研究工作  11-12
  1.5 本文的结构安排  12-13
第二章特征提取算法  13-30
  2.1 主动轮廓模型(Active Contour Model, ACM)  13-16
    2.1.1 Snake 的数学模型  13-14
    2.1.2 Snake 模型的实现与改进  14
    2.1.3 Snake 模型的应用  14-15
    2.1.4 Snake 模型的定位结果与讨论  15-16
  2.2 主动形状模型(Active Shape Model, ASM)  16-25
    2.2.1 特征点的标定(点分布模型,PDM)  16-17
    2.2.2 相似性变换  17-19
    2.2.3 统计模型的建立  19-22
    2.2.4 基于灰度匹配的搜索算法  22
    2.2.5 多分辨率框架(MRASM)  22-24
    2.2.6 计算形状参数  24-25
  2.3 主动表观模型(Active Appearance Models , AAM)  25-27
    2.3.1 统计形状模型的建立  25
    2.3.2 统计纹理模型的建立  25-26
    2.3.3 利用主动表观模型进行定位  26-27
  2.4 Gabor 小波变换  27-28
  2.5 隐马尔可夫过程法  28-29
  2.6 本章小结  29-30
第三章主动形状模型算法分析与改进  30-40
  3.1 主动形状模型的实现与性能分析  30-35
    3.1.1 训练样本的获取及预处理  30-31
    3.1.2 统计信息的获得  31-33
    3.1.3 基于灰度匹配的ASM 搜索  33
    3.1.4 不同初试位置对ASM 的影响  33-34
    3.1.5 形状参数对ASM 的影响  34-35
  3.2 主动形状模型的改进  35-36
  3.3 实验结果与分析  36-39
  3.4 ASM 算法讨论  39
  3.5 结论  39-40
第四章基于人工鱼群算法的ASM  40-49
  4.1 人工鱼群算法  40-41
    4.1.1 算法简介  40
    4.1.2 人工鱼行为描述  40-41
  4.2 各参数对收敛性能的影响  41-45
  4.3 基于人工鱼群算法的ASM  45-48
    4.3.1 算法结构及行为描述  45-47
    4.3.2 实验结果与分析  47-48
  4.4 结论  48-49
第五章总结与展望  49-50
  5.1 总结  49
  5.2 展望  49-50
致谢  50-51
参考文献  51-55
附录：作者在攻读硕士学位期间发表的论文  55

图像特征提取算法研究与应用

内容摘要

全文目录

相似论文