首页 > 文献资料
-
一种活动形状模型中的二维灰度模型
活动形状模型(active shape models,ASM)是一种较为流行的用于目标对象定位的统计学形状模型.该模型结合了一个点分布模型(point distribution model,PDM)和每个标志点周围的局部灰度模型,从而能够获取可靠精确的图像解释结果.对于二维图像,一维曲线的灰度模型会丟失其它方向上的信息.本文对于每个标志点周围的正方形邻域的灰度信息建立了模型,希望能够使活动形状模型方法考虑到更多的信息.
-
基于活动形状模型的人脸识别
活动形状模型(ASM)是一种较为流行的用于目标对象定位的统计学形状模型.然而,在搜索过程中,ASM易受初始化位置的影响而陷入局部极值;在局部灰度模型匹配时,对光照条件也较为敏感.针对正面人脸彩色图像的识别问题,提出了一种基于肤色的人脸检测方法、基于人脸器官几何分布特征的人眼检测方法与活动形状模型方法相结合的算法,来降低ASM算法对初值与光照条件的敏感程度,避免局部极值问题的产生.对于搜索结果的评估问题,本研究针对保持了目标特异性的形状,提出了以质心位置、形状大小和方位角作为相似形状的评价准则.采用40幅黄种人正面端正人脸图像进行测试,实验结果表明,本改进算法的搜索结果与手工标定的识别结果相比,在位置、大小和方位上的误差都较小,识别准确率较高.
-
一种X光胸片心胸比率自动计算方法
提出一种基于心肺轮廓提取的传统X光胸片心胸比率 (CTR)自动计算方法.首先利用活动形状模型 (ASM)提取心肺轮廓.对于肺部轮廓的提取,在ASM建立之前,先用神经网络进行干扰结构抑制,比直接应用ASM效果更好.然后利用已提取的心肺轮廓计算CTR,改变了已有的只依据规则提取部分轮廓来计算CTR的方法.仿真实验表明,本方法不仅能够准确计算CTR,而且得到的心肺轮廓为医生进行更深入的参数分析提供了可靠的数据依据.
-
活动形状模型在医学图像分割中的应用
在医学临床实践和研究中经常需要根据各种图像对解剖结构进行识别和精确定位,以获取有用的信息.活动形状模型是计算机视觉领域成长很快的一类统计学模型方法,在图像分割和解释方面展示了相当可观的发展前景.对活动形状模型及其扩展算法活动表观模型的发展现状,以及它们在医学图像领域的应用和研究热点进行了总结并对技术的进一步发展进行了初步探讨.
