主動(dòng)表觀模型的建模與匹配.pdf

1、隨著人類信息技術(shù)的不斷發(fā)展，海量數(shù)據(jù)使得人們不得不面對(duì)知識(shí)爆炸的困境。因此，信息的自動(dòng)化處理逐漸成為人類生產(chǎn)和生活中必不可少的基本需要。如何對(duì)圖像數(shù)據(jù)進(jìn)行自動(dòng)分析和處理，是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)迫切需要解決的難題。主動(dòng)表觀模型(active appearance model，AAM)的誕生正是為了解決這種問(wèn)題。該方法可以幫助人們自動(dòng)化地提取可變性目標(biāo)的形狀和紋理特征，并恢復(fù)目標(biāo)圖像的結(jié)構(gòu)從而更好地理解圖像，因此被廣泛地應(yīng)用于圖像和視頻

2、信息處理。
　　 本文主要針對(duì)目前AAM中存在的若干關(guān)鍵問(wèn)題進(jìn)行理論分析，并提出相應(yīng)解決方法。這些問(wèn)題主要涉及了AAM的形狀建模、紋理建模以及模型匹配等過(guò)程，并由此提出了新穎的建模和匹配算法，以提高模型在精度和魯棒性方面的性能。主要的創(chuàng)新性研究成果如下：
　　 (1)考慮到像素亮度無(wú)法為模型匹配提供足夠的信息量，提出一種基于Gabor小波濾波器組的紋理表示方法。利用多尺度多方向的Gabor濾波器組來(lái)提取盡可能豐富的局部紋

3、理結(jié)構(gòu)，從而提高AAM的匹配能力。另外，針對(duì)Gabor紋理表示帶來(lái)的較大計(jì)算量，使用了三種Gabor濾波器組的變形方法降低復(fù)雜度，即
　　 · GaborD，對(duì)Gabor濾波器組沿方向求和；
　　 · GaborS，對(duì)Gabor濾波器組沿尺度求和；
　　 · GaborSD，對(duì)Gabor濾波器組同時(shí)沿方向和尺度求和。大量的實(shí)驗(yàn)顯示，基于Gabor濾波器組的紋理表示有效提高了AAM匹配的精度和魯棒性。
　　

4、 (2)為了增強(qiáng)AAM對(duì)光照變化的魯棒性，使用Gabor相位濾波器組和局部二值模式算子來(lái)提取紋理特征。一方面，Gabor相位濾波器組對(duì)光照變化具有較好的魯棒性；另一方面，局部二值模式算子能夠壓縮冗余特征，得到更加緊致的紋理表示。實(shí)驗(yàn)表明，基于Gabor相位特征和局部二值模式的紋理表示方法可以有效消除光照對(duì)模型匹配的影響，提高AAM在環(huán)境變化情況下的魯棒性。
　　 (3)針對(duì)模型匹配過(guò)程中的小樣本問(wèn)題(under-sample p

5、roblem，USP)，提出一種基于張量回歸模型(tensor-based multivariate linear regression，TMLR)的匹配算法。將圖像紋理表示成二階張量，并利用一種張量回歸模型來(lái)對(duì)AAM中的匹配問(wèn)題進(jìn)行建模。另外，提出一種交替迭代投影算法來(lái)對(duì)張量回歸模型進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，該回歸模型具有精度高、收斂快等特點(diǎn)，可以有效解決小樣本問(wèn)題，提高AAM的匹配性能。
　　 (4)由于AAM的紋理表示包含大

6、量非線性且維數(shù)過(guò)高，提出一種基于復(fù)雜度反饋的形狀建模方法。通過(guò)定義形狀的紋理復(fù)雜度來(lái)評(píng)價(jià)形狀質(zhì)量，并利用復(fù)雜度反饋機(jī)制對(duì)形狀進(jìn)行優(yōu)化，以降低紋理復(fù)雜度。另外，引入紋理局部分布的高斯假設(shè)，利用統(tǒng)計(jì)特征作為紋理表示方法，從而降低紋理維數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法可以極大增強(qiáng)紋理表示的效率，提高了匹配精度和魯棒性。
　　 (5)為了提高基于表觀的年齡估計(jì)的精度，將AAM與多角度分析相結(jié)合進(jìn)行特征提取。提出了基于多角度分析的判別子空間學(xué)習(xí)算