这是 Cootes 和 Taylor 引入的基本主动形状模型 (ASM) 和主动外观模型 (AAM) 的示例,具有多分辨率方法、彩色图像支持和改进的边缘查找方法的 2D 和 3D。 对于生物医学对象的自动分割和识别非常有用。 .
ASM 基本思想: ASM 模型是根据训练图像中手动绘制的轮廓(3D 中的表面)进行训练的。 ASM模型使用主成分分析(PCA)查找训练数据中的主要变化,这使模型能够自动识别轮廓是否是可能的/良好的对象轮廓。 此外,ASM 模式包含描述垂直于控制点的线的纹理的矩阵,这些矩阵用于校正搜索步骤中的位置。
创建 ASM 模型后,通过找到控制点的最佳纹理匹配来变形初始轮廓。 这是一个迭代过程,其中控制点的移动受到 ASM 模型从训练数据中识别为“正常”对象轮廓的限制。 .
AAM的基本思想: PCA 用于找到平均形状和训练数据对平均形状的主要变化。 找到Shape