基于Gabor相位和局部二值模式的AAM纹理表示.docx

基于Gabor相位和局部二值模式的AAM纹理表示.docx

ID:60993523

大小:184.97 KB

页数:5页

时间:2021-01-18

基于Gabor相位和局部二值模式的AAM纹理表示.docx_第1页
基于Gabor相位和局部二值模式的AAM纹理表示.docx_第2页
基于Gabor相位和局部二值模式的AAM纹理表示.docx_第3页
基于Gabor相位和局部二值模式的AAM纹理表示.docx_第4页
基于Gabor相位和局部二值模式的AAM纹理表示.docx_第5页
资源描述:

《基于Gabor相位和局部二值模式的AAM纹理表示.docx》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第32卷第5期系统工程与电子技术Vol.32No.52010年5月SystemsEngineeringandElectronicsMay2010文章编号:1001506X(2010)05105104基于Gabor相位和局部二值模式的AAM纹理表示苏亚,高新波,王博,王宇(西安电子科技大学电子工程学院,陕西西安710071)摘要:提出一种基于Gabor相位与局部二值模式(localbinarypatterns,LBP)算子的活动表观模型(activeappearancemodel,AAM)。与基于亮度的AAM相比,改进模型在三

2、个方面提高了算法性能:提供多尺度多方向的Gabor纹理,提高了模型的匹配精度;增强了对外部环境变化(如光照)的鲁棒性;基于LBP的纹理编码去除了大量冗余。实验结果表明该模型能够有效提高模型的匹配精度。关键词:活动表观模型;纹理建模;Gabor相位特征;局部二值模式中图分类号:TP391.41文献标志码:ADOI:10.3969/j.issn.1001506X.2010.05.037GaborphaseandLBPbasedtexturerepresentationinAAMSUYa,GAOXinbo,WANGBo,WANGY

3、u(SchoolofElectronicEngineering,XidianUniv.,Xian710071,China)Abstract:Anactiveappearancemodel(AAM)basedonGaborphaseandlocalbinarypatterns(LBP)ispresented.IncomparisonwiththeintensitybasedAAM,theproposedmodelimprovestheperformanceinthreeaspects:providingmultiscalean

4、dmultidirectionGabortexturewhichenhancesthefittingaccuracyofthemodel;improvingtherobustnesstoenvironmentalchanges,e.g.,illumination;LBPbasedtexturecodingreducesalargeamountoftheredundency.Experimentalresultsonvariousdatasetsdemonstratethattheproposedmodelcaneffecti

5、velyimprovethefittingaccuracy.Keywords:activeappearancemodel;texturemodeling;Gaborphasefeature;localbinarypattern0引言活动表观模型(activeappearancemodel,AAM[13])是一种描述可变形目标的生成模型。它类似于EigenFace的纹理模型[4],并继承了活动轮廓模型(activecontourmodel,ACM[5])和活动形状模型(activeshapemodel,ASM[6])的思想,利

6、用统计方法分别对训练集图像的形状和纹理进行建模。其中,形状模型分析了训练集图像的形状变化,并将所有形状投影到形状子空间。而纹理模型则在形状模型的基础上估计纹理的变化,并将其映射到纹理子空间。由于二者的建模过程分别进行,从而在很大程度上去除了形状和纹理间的非线性关系。最后,AAM利用回归的方法在纹理变化和参数更新之间建立了线性关系,用来指导模型的匹配过程。所以,纹理的表示将极大地影响到模型能否准确地匹配。但是,传统的AAM简单地使用像素亮度来描述图像的纹理信息。众所周知,亮度对于外界环境的改变十分敏感[7],因此,这种表示方法

7、会导致匹配结果极不稳定。为了提高AAM提取特征的精确度和可靠性,人们提出使用多种方法来对纹理建模以改善模型对光照的敏感性。例如,Cootes和Taylor[7]提出使用边缘强度信息作为纹理。他们引入梯度信息来表示边缘强度并对其进行非线性归一化。由于梯度中包含了丰富的局部方向信息,因而匹配精度和可靠性都随之增强。其后,Stegmann和Larsen[8]同时使用亮度,颜色和边缘信息来表示纹理以得到更精确的纹理信息。Scott[9]提出了使用梯度和角点信息,使AAM的匹配精度得到进一步提高。Kittipanyangam和Coo

8、tes[10]验证了区域结构信息能够增强模型的匹配能力,因此,滤波方法能够有效提高匹配性能。上述方法都可以在一定程度上改善模型,然而,仍然会有大量的图像信息被忽略掉,比如梯度的尺度和角度。充分利用这些特征将会有助于AAM进一步提高匹配性能。由于Gabor滤波器可以检测不同频率和不同尺度的信

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。