動(dòng)態(tài)嘴唇分割與跟蹤算法研究.pdf

1、隨著信息科技、模式識(shí)別及人工智能技術(shù)的迅速發(fā)展,唇讀技術(shù)越來(lái)越受到相關(guān)研究者的關(guān)注。因此嘴唇分割與跟蹤技術(shù),作為唇讀技術(shù)的最重要及基礎(chǔ)技術(shù)之一,具有極高的研究和應(yīng)用價(jià)值。為了實(shí)現(xiàn)準(zhǔn)確且穩(wěn)定的嘴唇分割與跟蹤技術(shù),本文將該技術(shù)的實(shí)現(xiàn)過(guò)程分為嘴唇分割與嘴唇跟蹤兩個(gè)步驟,并將研究工作分別從這兩個(gè)方面依次展開(kāi):
　　嘴唇分割算法方面,本文中首先實(shí)現(xiàn)了兩種基于彩色嘴唇圖像的分割算法。第一種為基于MS-FCM模糊聚類的嘴唇分割算法,該算法在傳統(tǒng)

2、模糊聚類算法的基礎(chǔ)上引入了幾何空間位置信息,并結(jié)合多聚類中心的應(yīng)用實(shí)現(xiàn)了嘴唇區(qū)域的分割。最后通過(guò)基于該領(lǐng)域較知名的AR face database中嘴唇圖像的實(shí)驗(yàn),驗(yàn)證了該算法的有效性。另一種算法為本文所提出的一種原創(chuàng)的結(jié)合像素點(diǎn)特征和參數(shù)模型的嘴唇分割算法,該算法通過(guò)比較分析建立了合理的由三條獨(dú)立拋物線組成的嘴唇參數(shù)模型,并通過(guò)基于嘴角探測(cè)的預(yù)處理、基于新型改進(jìn)的“跳躍式Snake算法”的特征像素點(diǎn)提取、含有權(quán)重限制的最小二乘曲線估計(jì)

3、擬合等步驟提取到了準(zhǔn)確、完整的嘴唇輪廓曲線,并同樣通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法對(duì)嘴唇分割的有效性和準(zhǔn)確性。
　　嘴唇跟蹤算法方面,本文在基于MS-FCM模糊聚類的嘴唇分割算法的基礎(chǔ)上,結(jié)合本文所提出的第二種分割算法中特征點(diǎn)提取與輪廓擬合的思想,提出并實(shí)現(xiàn)了一種完整的嘴唇分割跟蹤算法。該算法首先將基于MS-FCM模糊聚類的嘴唇分割算法擴(kuò)展到了對(duì)嘴唇圖像序列的分割處理上,利用前一幀圖像的模糊聚類分布矩陣對(duì)后一幀圖像的聚類分布進(jìn)行預(yù)測(cè),從而快速

4、得到嘴唇序列分割結(jié)果。為了對(duì)獲取的原始序列分割結(jié)果進(jìn)行匹配修正,本算法采用特征點(diǎn)的提取,結(jié)合ASM(Active Shape Model)算法中平均值的訓(xùn)練思想,將其改進(jìn)擴(kuò)展至針對(duì)嘴唇圖像序列的訓(xùn)練應(yīng)用中,并利用手工標(biāo)定的嘴唇序列圖像的特征點(diǎn)向量進(jìn)行訓(xùn)練,得到嘴唇序列平均形狀特征點(diǎn)向量與其主要變換模式。最后使用最小二乘估計(jì)法及馬氏距離的計(jì)算對(duì)原始分割結(jié)果進(jìn)行匹配修正與輪廓曲線擬合。同樣,本文通過(guò)實(shí)驗(yàn)驗(yàn)證了該跟蹤算法可以得到較為準(zhǔn)確的嘴唇