圖像特征提取算法研究與應(yīng)用.pdf

1、特征提取一直是圖像處理和計算機視覺研究領(lǐng)域中一個值得探討的問題，在計算機科學(xué)、醫(yī)療輔助診斷、軍事、工業(yè)測量等眾多領(lǐng)域都廣泛采用這一技術(shù)，尤其是計算機視覺和模式識別研究中，如何準確定位和提取關(guān)鍵特征往往是其中首先需要解決的問題之一，是提高識別率等問題的重要前奏和關(guān)鍵問題；有著廣泛的應(yīng)用前景和潛在的市場價值。
　　 主動形狀模型(Active Shape Model，ASM)是特征提取等模式識別領(lǐng)域中常用的一種方法。然而，由于受到初

2、始情況、光照等諸多因素的影響，主動形狀建模經(jīng)常會陷入最優(yōu)化過程中的局部最小問題，從而導(dǎo)致其性能下降。本文系統(tǒng)介紹并復(fù)現(xiàn)主動形狀模型，主要研究了ASM中的一些關(guān)鍵問題，對影響ASM性能的各因素進行實驗與分析，針對傳統(tǒng)ASM存在的問題研究兩個改進算法：
　　 (1)在傳統(tǒng)主動形狀模型基礎(chǔ)上，研究一種構(gòu)建局部紋理模型的新方法，該模型充分利用特征點之間的聯(lián)系，構(gòu)建加權(quán)模型，更好地捕捉局部點的特征信息，從而更精確地進行特征定位。
　

3、　 (2)人工魚群算法(ArtificialFishSwarmAlgorithm，AFSA)是一種新型的尋優(yōu)算法，具有良好的克服局部極值、取得全局極值的能力。算法具有對初值無要求、對各參數(shù)的選擇也不很敏感等優(yōu)點。本文針對初始狀態(tài)嚴重影響定位結(jié)果等問題研究了一種基于人工魚群算法(AFSA)的ASM，從而提高了特征提取準確率。
　　 在ORL人臉數(shù)據(jù)庫、JAFFE人臉數(shù)據(jù)庫中進行特征定位實驗，將改進算法與傳統(tǒng)算法進行比較。實驗結(jié)果