1、圖像工程是近些年來得到極大的發(fā)展和長(zhǎng)足的進(jìn)步的新學(xué)科，它包括圖像處理，圖像分析和圖像理解三個(gè)層次。圖像分析是圖像工程中處于中間的層次，是由圖像處理邁向圖像理解的必經(jīng)之路，它的作用主要是對(duì)圖像中感興趣的目標(biāo)進(jìn)行測(cè)量以獲得它們的客觀信息，從而建立對(duì)圖像的描述。人臉分割作為圖像分析的一個(gè)重要分支是實(shí)現(xiàn)魯棒實(shí)用的人臉識(shí)別系統(tǒng)的基本前提，它的作用是對(duì)人臉的各個(gè)器官輪廓進(jìn)行精確定位。 主動(dòng)形狀模型(ASM)是目前解決人臉分割問題的主流方法之
2、一。ASM是一種基于點(diǎn)分布模型(PointDistributionModel，PDM)的算法。在PDM中，外形相似的特定類別物體的形狀通過若干關(guān)鍵的特征點(diǎn)(Landmarks)的坐標(biāo)串接成原始形狀向量。對(duì)訓(xùn)練集中的所有形狀向量進(jìn)行對(duì)齊操作后，對(duì)他們進(jìn)行PCA分析建模，保留的主成分形成最終的形狀模型，形狀模型的參數(shù)反映了形狀的主要可變化模式。搜索時(shí)首先通過局部紋理模型匹配得到各個(gè)特征點(diǎn)的更佳的位置，經(jīng)過相似變換對(duì)齊后，通過統(tǒng)計(jì)形狀模型對(duì)其
3、進(jìn)行約束，而后再進(jìn)行局部紋理模型的匹配，形成一個(gè)迭代過程，以期形狀模型最終匹配到輸入的形狀模式上去。 在傳統(tǒng)ASM中，使用的是特征點(diǎn)局部灰度紋理特征作為啟發(fā)式信息，很容易陷入局部極小。近年來，隨著小波分析在圖像處理、計(jì)算機(jī)視覺等領(lǐng)域內(nèi)的研究應(yīng)用日趨成熟，考慮到應(yīng)該充分挖掘小波分析的潛力，將它和經(jīng)典的ASM相結(jié)合。基于這個(gè)思想，本文設(shè)計(jì)出了GaborASM算法。GaborASM算法相對(duì)于傳統(tǒng)ASM的差別在于它在搜索的最后采用了基于
