改进snake模型的人脸拓扑轮廓提取.docxVIP

改进 snake 模型的人脸拓扑轮廓提取 Facial Topological Contour Extraction with Improved Snake Model ZHANG Li-jun (College of Information Engineering, Shanghai Maritime University, Shanghai 200135, China) : The face has a topological invariant, so based on the stable nature, so this paper used the persons perception of the nature of priority with topology for the face topological contour. Aiming at the limitation that the traditional snake model cannot converge the concave edge, and the original contour must be close to the real edge of the image, this paper successfully combined the face feature organs detection and GVFsnake algorithm. Firstly, processed the image by computing the gray levels complexity to mark the feature organs, then used the result as the snakes original contour, secondly, used GVFas its external energy. Experiments show that it can extract facial contour fast and exactly. 在传统的计算机视觉领域中， 底层的任务被广泛地认为是自 主的自底向上的过程。 针对知觉信息基本表达的根本问题， 陈霖 等系统地发展了“大范围优先”的不变性知觉理论。 陈霖对他的 拓扑知觉理论是这样概括的 [10] ：知觉组织的拓扑学研究基于一 个核心思想和包括两个方面。 其中两个方面是， 第一方面强调形 状知觉中的拓扑结构， 这就是， 知觉组织的大范围性质能够用拓 扑不变形来描述； 第二方面是强调早期拓扑性质知觉， 这就是拓 扑性质知觉优先于局部特征性质的知觉。 在对人脸面部进行特征提取时，根据大范围优先这一理论， 首先提取人脸的大范围特征， 即人脸拓扑轮廓， 将人脸拓扑轮廓 包括眼睛嘴巴特征器官轮廓进行提取。本次试验的数据库为 JAFFE日本妇女表情数据库，图片格式为 tiff 格式，通过本文 的算法， 对上文提到的人脸拓扑轮廓进行准确初始定位， 并在此 基础上进行相对应的人脸拓扑轮廓提取。 1 snake 模型算法原理 snake 模型 [3] ，即能量最小化运动曲线模型，首先根据图 像中所要分割目标的轮廓确定大致的初始轮廓曲线， 然后对曲线 进行能量最小化变形， 使其锁定在分割目标的边界上。 经典 snake 模型的数学描述 [4] 如下： v(s) 是一条在目标轮廓附近且包含目标轮廓的曲线， 这条曲 线由一组控制点 (x(s),y(s)) 组成，图像中的每个控制点的坐标 位置用 x(s) 和 y(s) 表示。轮廓线 v(s) 由这些控制点首尾以直线 相连构成，即 : v(s)=[x(s),y(s)]s € [0,1] ( 1) snake 模型的最小化能量函数如公式 (2) 所示： (2) 它的离散形式是： (3) vs(s) 和 Vss(s) 分别是曲线 v(s) 关于 s 的一阶和二阶导数， v(s) 的弹性和弯曲性的权重系数。 曲线的一阶导数项代表了曲线 的弹性能量， 控制着曲线轮廓的长度和连续性。 二阶导数反映蛇 曲线上各点的曲率的大小， 它代表了曲线的刚性能量， 使得曲线 尽可能平滑。 2 snake 提取人脸轮廓特征 snake 算法的技术难点之一，即初始化轮廓点的设定问题。 常见的的初始化轮廓点的设定方法包括： 手动初始化轮廓线 (点) [8-9] 、基于特征的初始化以及基于模型的初始化。手动的方法 极为常见，但是这种手工勾勒的方法不能实现整个分割流程的自 动化；将人脸的形状近似为一个椭圆 [5 ，7] 的方法，实现了一定 的自动化， 但是由于人脸的大小并不完全相同， 初始椭圆的长短 轴的确定影响了初始轮廓的精确度。 所以本文将 snake 初始化为 一个椭