导读:本文包含了主动形状模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,形状,主动,特征,向量,图像,系统。
主动形状模型论文文献综述
刘美菊,姜金怿[1]（2019）在《基于主动形状模型的焊缝定位算法》一文中研究指出针对焊接环境对工人造成伤害和焊件材质影响焊接质量的问题,提出了一种应用于机器视觉激光焊缝定位系统的基于主动形状模型的焊缝定位算法.利用支持向量机对焊缝图像局部区域梯度方向信息进行目标图像初定位,运用主动形状模型方法建立特征模型,并计算特征模型和测试样本间马氏距离,从而对形状和姿态参数进行更新得到焊缝坐标.结果表明,基于主动形状模型的焊缝定位算法具有准确性高、抗干扰和误差小的特点,能够满足激光焊缝定位系统对准确性的要求.(本文来源于《沈阳工业大学学报》期刊2019年02期）
王毅,李国琴,郭哲,齐敏,吕国云[2]（2017）在《基于多图谱主动形状模型的DTI分割算法》一文中研究指出图像分割是将感兴趣区域提取出来,使其尽可能接近真实结构,为图像分析提供依据。对于脑部扩散张量磁共振图像(DT-MRI,简称DTI),由于其解剖结构类型多、形状不规则、灰度差异小且数据量大,传统分割方法在利用底层数据信息进行分割时难以达到理想的分割效果。此时,引入专家手动分割的形状先验信息将能够简化分割问题。为此,提出了一种基于多图谱主动形状模型(Multi-AtlasActive Shape Model,简称MA-ASM)的DTI分割算法,将多图谱中多个受试者的分割区域形状作为训练集,在训练集的每个形状上标出能够表达目标区域边界的特征点。之后,对所有的形状进行对齐,获得对齐形状的统计信息,建立统计形状模型,然后分析训练集中每个形状的灰度信息,建立局部灰度纹理模型。对待分割图像进行目标区域搜索时,通过计算特征点的调整量,并更新形状参数和姿态参数,重复迭代,直到形状轮廓不再变化。该算法既保留了多图谱底层灰度信息,同时将多图谱的目标形状先验信息引入主动形状模型,从而实现有效分割。仿真实验对20个受试者的7个部位进行分割,实验结果表明,与传统基于多图谱的STAPLE(SimultaneousTruth Performance Level Estimation)算法相比,基于MA-ASM的DTI分割算法主观视觉效果更加光滑,分割结果重迭率更高、误检率更低。(本文来源于《第十五届中国体视学与图像分析学术会议论文集》期刊2017-11-01）
侯榆青,胡昊文,赵凤军,何雪磊,易黄建[3]（2018）在《主动形状模型分割方法对光学重建的影响》一文中研究指出在非匀质成像中,器官形状是影响建模光在生物体内传播过程的重要因素,它能直接影响荧光分子断层成像(FMT)的重建过程。器官图像的手动分割过程较为复杂,且对图像质量要求较高,而边缘检测、区域生长、主动轮廓模型等自动分割方法在处理复杂医学图像时存在很大的局限性。因此,使用基于主动形状模型(ASM)的自动分割方法,对小鼠器官图像进行准确分割,并使用基于L1范数优化的重建算法实现光源重建。为分析基于ASM的器官图像分割精度与重建精度的关系,采集小鼠计算机断层扫描(CT)数据并进行真实实验,与流行的基于Snake模型的分割算法进行比较。实验结果表明,ASM算法可以替代手动分割,不影响光源的位置重建。(本文来源于《光学学报》期刊2018年02期）
刘浏[4]（2017）在《基于主动形状模型的多特征融合驾驶员疲劳检测算法研究》一文中研究指出疲劳驾驶在汽车安全中是一个厉害的隐形杀手,让人麻痹的同时,给人类的生命财产安全带来了巨大的隐患。为了减少疲劳驾驶带来的破坏,提高对驾驶员疲劳程度检测的准确性与鲁棒性,本文提出了一种基于主动形状模型的多特征融合疲劳检测算法。该算法通过摄像机拍摄驾驶员人脸图像,利用简单类Haar特征的级联Adaboost算法进行人脸定位,根据提取到的人脸信息通过主动形状模型定位人脸的眼睛、嘴巴和头部的特征点信息,并以此获取与驾驶员疲劳相关的特征参数,通过自适应神经推理系统最终判别出驾驶员的疲劳程度。本文的研究内容主要集中在以下几个方面:(1)充分考虑算法的实时性,利用简单类Haar特征的级联Adaboost算法快速检测出人脸位置,并进行肤色校正。通过检测到的人脸位置以及大致形状,约束主动形状模型的初始形状,提高主动形状模型的计算速度。(2)针对在疲劳检测时,眼睛、嘴巴和头部的状态参数提取困难的问题,利用主动形状模型在人脸范围内的特征点定位,通过12个特征点,准确地求取出眼睛、嘴巴和头部的状态参数。(3)为了提高算法的鲁棒性与准确性,使用了一种多特征融合的疲劳检测算法。在得出驾驶员眼睛、嘴巴和头部状态参数的基础上,获取了 PERCLOS、AECS、哈欠频率以及点头频率等四个疲劳特征参数。(4)利用PERCLOS、AECS、哈欠频率、点头频率这四个特征参数作为输入值,设计了基于自适应神经模糊推理系统的疲劳程度分类算法。将驾驶员的疲劳程度分为清醒、疲劳和严重疲劳叁个等级。通过实验采集的数据对自适应神经模糊推理系统进行训练学习,解决了疲劳程度难以量化计算的问题。(本文来源于《湖南大学》期刊2017-05-10）
孙申申,范立南,康雁,任会之,齐守良[5]（2016）在《基于改进主动形状模型的含胸壁粘连型肿块的肺区分割方法研究》一文中研究指出肺区分割是计算机辅助诊断肺癌的前提。当肿块与胸壁粘连时,由于两者的计算机断层成像(CT)值接近,基于局部低级特征的传统分割方法不能得到正确结果;而且由于肿块体积大,造成了肺区内正常组织的大面积缺失,故以往含胸壁粘连型肺结节(直径小于3cm)的肺区分割方法不再适用,需要采用能结合先验形状和低级特征的主动形状模型(ASM)来分割含胸壁粘连型肺肿块的肺区。但传统ASM的搜索步骤是一种基于最小二乘的优化方法,该方法对异常标记点敏感,会使轮廓更新到正常肺组织和肿块的过渡区域而不是真正的肺边缘。针对这一问题,提出了改进的ASM算法:首先基于距离特征识别异常标记点,然后赋予异常标记点和正常标记点不同的搜索函数。搜索过程在设定的包围核(VOI)内进行。用所提出的ASM方法分割30个含胸壁粘连型肿块的肺区,与金标准的重迭度为93.6%。实验结果表明针对含胸壁粘连型肿块的肺区分割问题,改进的ASM算法能得到较好的分割结果,并且算法的运行时间是在临床可接受的范围内。(本文来源于《生物医学工程学杂志》期刊2016年05期）
彭莱[6]（2016）在《基于主动形状模型和POEM纹理模型的人脸特征点定位方法研究》一文中研究指出人脸识别,作为近年来备受瞩目的生物特征识别技术之一,因采集设备简单,过程方便、快捷,效果直观而得到了大量学者的关注。人脸特征点定位是整个人脸识别方法的基础,其定位的精度直接影响着人脸识别的结果。随着研究的深入,人脸特征点定位方法也被运用到人脸重建、表情识别、人类心理状态分析以及驾驶员疲劳状态分析中,因此具有非常重要的研究意义。人脸特征点定位方法中,主动形状模型(ASM)因其较快的定位速度与精度,受到了广泛的应用,但ASM因其对初始形状的依赖以及易受外界复杂条件的影响,在定位效果上有一定的局限性。本文在ASM的基础上,主要针对人脸在姿态、光照、表情等复杂情况下的特征点定位问题进行研究,总结了ASM的不足,并提出了相应的改进方法。具体研究内容如下:首先,在训练阶段,将训练集根据姿态的不同分别建立左偏形状模型、正面形状模型、右偏形状模型。在搜索定位阶段,通过模型选择因子计算出适合待测人脸的全局形状模型,使初始形状与待测人脸图像相匹配,从而解决了姿态变化对初始形状的干扰。其次,用POEM纹理模型来替代传统ASM中的局部灰度模型。对每个特征点建立POEM纹理模型,它对光照以及表情变化更具有鲁棒性,较大程度上克服了复杂非线性变化以及大幅度形变对特征点定位带来的影响。最后,以每个人脸器官或轮廓为单位,计算平均误差点数,通过比较分析,得出定位效果相对较差的局部器官或轮廓,在之前定位结果的基础上,进行二次定位,综合两次结果,从而得到更优的定位效果。本文在IMM、CMU PIE、BioID以及LFW等四个传统和户外人脸库,对四种方法进行了大量的定位效果比较,包括锚点误差点数比较分析、效果定位图展示以及总的平均误差点数比较。结果表明,本文的方法在人脸有姿态、表情、光照等变化的复杂环境下,取得了较好的定位效果。(本文来源于《重庆邮电大学》期刊2016-05-25）
王宇慧[7]（2015）在《基于主动形状模型的医学图像分割方法研究》一文中研究指出医学图像分割是图像处理和分析的基础,近年来,基于先验知识的主动形状模型因其稳定性和有效性渐已成为一种重要的医学图像分割方法。本文首先介绍几种传统医学图像分割方法,并通过分割实例说明各方法的优缺点；针对叁维医学图像分割的复杂性,深入研究基于主动形状模型的医学图像分割方法,使用统计学原理建立目标的平均形状和变化模型；最终提出一种基于高对比度器官辅助定位的主动形状模型分割方法,更加高效和准确地完成器官的自动化分割,为今后建立器官自动化分割系统打下一定的基础。本文的主要工作如下：(1)针对叁维医学图像的复杂性和多样性及目标形状不确定性等问题,本文通过对所有训练集样本提取先验知识,进行主成分分析建立目标的主动形状模型,迭代搜索待测样本,从而完成目标的分割。采用基于主动形状模型的方法分割小鼠感兴趣器官,实验结果表明,利用动态的主动形状模型可以高效率地自动分割小鼠器官,在保障分割精度的同时,避免了叁维体数据逐层处理的繁杂,显示出了很好的有效性。(2)由于在主动形状模型的分割方法中,存在器官不易初始化的问题,尤其是几何特征不明显的器官,容易影响后续分割的准确度,本文提出了一种优化初始化定位的主动形状模型分割方法,利用高对比度器官与低对比度器官之间位置形变的相关性,借助前者对后者的边界轮廓快速准确地初始化定位,使用主动形状模型完成优化分割。采用所提方法对小鼠感兴趣器官进行分割,实验结果表明,和传统方法相比,该方法可以自动寻找器官初始位置,更高效率地完成自动化分割,同时精度也有明显提高,具有较好的普适性,可以用于今后多个器官的系统化分割。(本文来源于《西北大学》期刊2015-12-01）
孙燕生[8]（2015）在《基于主动形状模型的人脸肖像画生成系统的应用》一文中研究指出通过计算机处理进行人脸肖像画生成是计算机视觉的研究方向之一。详细介绍了一种基于计算机视觉的人脸肖像画生成系统。(本文来源于《山西科技》期刊2015年05期）
程鹏[9]（2015）在《基于主动形状模型和SURF特征的表情识别算法研究》一文中研究指出人脸表情识别(Facial Expression Recognition,FER)是以人脸识别为基础,进行情感科学计算的研究领域,在心理研究、医疗服务、网络教学以及安全驾驶等其他日常生活中都有重要应用。对人脸表情识别的研究,能够提升人机交互的能力,更加精确地控制人机交互智能系统,从而更加方便人们工作和生活;人脸表情识别是一种涉及模式识别和人工智能领域的生物特征识别以及心理情感计算领域的交叉研究课题,对人脸表情识别的研究有重大的学术价值和广泛的应用前景。本文详细评述了人脸表情识别研究的意义和国内外研究现状,深入研究了传统的主动形状模型,包括全局形状模型的构建、局部纹理模型的构建以及形状特征点的拟合搜索过程,并对人脸表情特征的提取方法以及表情分类问题进行了重点研究。创新的工作主要包括:(1)、构建了基于LBP值的特征点ASM子局部特征。由于特征点的定位精确性直接影响表情识别结果,针对传统主动形状模型(ASM)的局部纹理模型中的纹理值单一的弱点,在局部二元模式(Local Binary Pattern,LBP)值形成的原理基础上,构建了基于LBP值的特征点ASM子局部特征,使ASM的局部纹理模型能够更加充分利用特征点周围的纹理值。(2)、提出了双法线角平均线方向拟合算法。传统的主动形状模型的特征点拟合方向是当前特征点的法线方向,没有充分利用当前特征点的前后序列特征点的位置关系。采用沿双法线角平均线方向进行特征点拟合,能够更好地利用特征点与相邻两特征点的位置相互制约关系。(3)、提出了基于ASM&SURF融合特征的SVM人脸表情识别算法。在ASM算法获取表情特征点位置的基础上,结合SURF特征原理,获取特征点的SURF特征描述,结合ASM形状特征和相应的SURF特征形成ASM&SURF融合特征。ASM&SURF融合特征既能展现表情的几何形状信息,又能表示表情图像底层的纹理变化。最后,本文将ASM&SURF融合特征作为支持向量机的输入,在日本女性人脸表情图库(Japanese Female Facial Expression,JAFFE)中进行了七种基本表情识别实验。实验结果表明,本文提出的ASM&SURF融合特征能够有效地表示表情信息,七种基本表情的平均识别率达到93.125%。(本文来源于《深圳大学》期刊2015-05-09）
白中浩,焦英豪,白芳华[10]（2015）在《基于主动形状模型及模糊推理的驾驶疲劳检测》一文中研究指出为了提高基于单一特征检测算法的准确率和鲁棒性,提出了一种基于多个特征的驾驶员疲劳融合检测算法。选取能够直接反映驾驶员疲劳程度的2个面部特征(眼睛和嘴巴)对驾驶员状态进行综合判断。针对驾驶员头部多角度变化时导致面部特征定位困难的问题,提出了基于主动形状模型(ASM)人脸特征定位算法,应用12个ASM特征标记点,准确定位出眼睛和嘴部特征。针对疲劳程度叁级分类(清醒、疲劳及严重疲劳)难以确定的问题,提出了基于模糊推理系统的疲劳检测算法,根据人的经验,"智能"地判断疲劳程度,从而准确地量化疲劳这一模糊概念。实验结果对比表明,综合眼睛和嘴部信息,比采用单参数检测算法减少了误判的概率,具有较高的准确性和鲁棒性。(本文来源于《仪器仪表学报》期刊2015年04期）
主动形状模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像分割是将感兴趣区域提取出来,使其尽可能接近真实结构,为图像分析提供依据。对于脑部扩散张量磁共振图像(DT-MRI,简称DTI),由于其解剖结构类型多、形状不规则、灰度差异小且数据量大,传统分割方法在利用底层数据信息进行分割时难以达到理想的分割效果。此时,引入专家手动分割的形状先验信息将能够简化分割问题。为此,提出了一种基于多图谱主动形状模型(Multi-AtlasActive Shape Model,简称MA-ASM)的DTI分割算法,将多图谱中多个受试者的分割区域形状作为训练集,在训练集的每个形状上标出能够表达目标区域边界的特征点。之后,对所有的形状进行对齐,获得对齐形状的统计信息,建立统计形状模型,然后分析训练集中每个形状的灰度信息,建立局部灰度纹理模型。对待分割图像进行目标区域搜索时,通过计算特征点的调整量,并更新形状参数和姿态参数,重复迭代,直到形状轮廓不再变化。该算法既保留了多图谱底层灰度信息,同时将多图谱的目标形状先验信息引入主动形状模型,从而实现有效分割。仿真实验对20个受试者的7个部位进行分割,实验结果表明,与传统基于多图谱的STAPLE(SimultaneousTruth Performance Level Estimation)算法相比,基于MA-ASM的DTI分割算法主观视觉效果更加光滑,分割结果重迭率更高、误检率更低。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
主动形状模型论文参考文献
[1].刘美菊,姜金怿.基于主动形状模型的焊缝定位算法[J].沈阳工业大学学报.2019
[2].王毅,李国琴,郭哲,齐敏,吕国云.基于多图谱主动形状模型的DTI分割算法[C].第十五届中国体视学与图像分析学术会议论文集.2017
[3].侯榆青,胡昊文,赵凤军,何雪磊,易黄建.主动形状模型分割方法对光学重建的影响[J].光学学报.2018
[4].刘浏.基于主动形状模型的多特征融合驾驶员疲劳检测算法研究[D].湖南大学.2017
[5].孙申申,范立南,康雁,任会之,齐守良.基于改进主动形状模型的含胸壁粘连型肿块的肺区分割方法研究[J].生物医学工程学杂志.2016
[6].彭莱.基于主动形状模型和POEM纹理模型的人脸特征点定位方法研究[D].重庆邮电大学.2016
[7].王宇慧.基于主动形状模型的医学图像分割方法研究[D].西北大学.2015
[8].孙燕生.基于主动形状模型的人脸肖像画生成系统的应用[J].山西科技.2015
[9].程鹏.基于主动形状模型和SURF特征的表情识别算法研究[D].深圳大学.2015
[10].白中浩,焦英豪,白芳华.基于主动形状模型及模糊推理的驾驶疲劳检测[J].仪器仪表学报.2015
论文知识图
