郑伟博士答辩v2.pptVIP

* * * * * 由于时间原因略去主动轮廓组的递增式学习算法 * * * 课题意义与研究背景 本文研究内容 基本形状元素的表示方法 局部形状特征的变形方法 局部形状特征的组合方法 总结与展望 主要研究成果 * * 研究动机 主动轮廓组 轮廓片段对 比较两种方法 * * 研究动机 问题 大量背景或者目标内部边缘与目标轮廓位置接近、形状相似，导致局部特征在变形过程中容易产生误匹配 思路 组合局部特征表示更大范围内的形状信息 * * 错误匹配结果 特征初始位置 研究动机 主动轮廓组 轮廓片段对 比较两种方法 * * 主动轮廓组 研究动机 短的轮廓片段在图像中频繁出现，但连续的长轮廓通常位于目标轮廓上，因此将邻接的短特征链接起来匹配图像中的长轮廓，可能会有效减少误匹配 * * 主动轮廓组 马尔可夫链模型 * * … 邻域系统定义： 主动轮廓组 能量函数 * * 一阶能量项 接近边缘 二阶能量项 保持连续 主动轮廓组 采用递增式学习的主动轮廓组快速生成算法 步骤1: 以一个主动轮廓片段初始化主动轮廓组 步骤2: 选择与主动轮廓组头尾邻接的主动轮廓片段 步骤3: 以递增方式快速匹配新的主动轮廓组与训练样本 步骤4: 选出匹配能量最小的主动轮廓片生张主动轮廓组 步骤5:更新对主动轮廓组参数的前两维子空间的估计 步骤6:没有超出长度上限和前两维能量下限继续步骤2 * * 能量函数 递增形