论文研究-AAM反向合成匹配算法及其性能分析.pdf

所需积分/C币:5 2019-09-08 14:55:58 1.02MB .PDF

介绍了一种基于反向合成图像对齐算法的AAM匹配算法。首先对反向合成算法的内容及其在AAM匹配过程中需要注意的问题进行了阐述,然后通过实验,分别应用反向合成算法和原始AAM匹配算法对一定数量的图像进行匹配,验证了反向合成算法的有效性。
张培,吴亚锋:AAM反向合成匹配算法及其性能分析 2007,43(18)49 该算法称为前向合成算法。对式(13)应用一阶泰勒展开式得 Spm(A)+中的形式 3.42增量扭曲与当前扭曲合成的问题 ∑Tx)(W(W(x;0))-V/W(x;)4p(15) 计算出0N和H之后,由式(19)类似地可以得到Ap 式(15)与式(9)有两点不同。第一,此时的榜度V/是在/(W(x:;) △q的值。由文献[8]知 处计算的。第二,此时的 Jacobian矩阵是在(x;0)处计算 N(W(x;p);q)N(W(x;Ap);Δq)≈ 的,因而它是一个常量,可以提前计算。虽然合成算法不必每次 N(W(x;p);q)N(W(x;-4);-Δq) (23) 重新计算的 an 值,但是它更新参数时的计算量要比增量算法因而M(W(x;Ap);△g)与N(W(xD);9)的合成问题就转化 大,因而计算效率与增量算法相比并无显著提高。 N(W(N(W(x;-4);-Δq);p);q) (24) 3.3反向合成( Inverse Compositional)图像对齐算法基形状S在扭曲变换(N(Wx;-4p);-Aq)下的形状可以由 转换(W(x;)与T(x)的角色并考虑采用合成算法,即得M(W(s0;-Ap);-△q)计算得到,其中 到所谓的反向合成算法。反向合成算法使用 we W(: p) W(x: p)o w(r; Ap) (16) (S.DP)=so i/ pea 更新策略,使 由当前扭曲变换N(W(x;p);q)可以知道当前的仿射扭曲 W(x;)和当前的相似变换函数Nx;p),因此将(N(W(so;-4p); ∑W(x;p)-7(Wx;A)P (17)-△q)先通过仿射扭曲W(x;p)然后经过相似变换N(x;q)就可 最小化。对式(17)进行一阶泰勒展开得 以得到基形状s在扭曲变换N(W(N(W(x;-4p);-△q);P);q) 下的形状s。因此新的形状参数向量p',q'可以由下式求出 ∑Wcp)yxmy (18 N(W(x;p');q')=S (26) 具体过程参见文献[8]。 假定W(x;0)=x,则 反向合成算法迭代的过程如图1所示。 n=H∑Vr aw A0(x) [/(W(x;p))-T(x) /(N(W(x;p);q)) (19) 其中 扭曲至s0 H∑|Vro|roW (20) 计算斗p,△q 由于。W,VT是常量,故rW,H都可以提前计算并且只算 次,因而反向合成算法的计算效率要大大高于前面两种算法。 计算合成 3.4反向合成算法在AAM匹配问题中的应用 求出s 更新p、q值进 3.4.1外貌变化的问题 入下一轮迭代, 虽然反向合成算法具有很高的计算效率,但是它只能解决 直到收敛 输入图像与固定模板图像间的匹配问题,由式(6)可知,AAM 要求模板是可变的,因此必须对式(6)加以转化以满足反向合 成算法的要求。由文献[14可知,上式可转化为求下式最小化的 图1反向合成算法迭代步骤示意图 问题 Ax)-1(N(Wx;p);g)2,+ 4实验结果比较及分析 为了验证反向合成算法的效率和准确性,本文采用一定数 A40x)+∑AA(x)-1(N(W(x;p);q)‖2 (21)量的人脸图像构建AM模型,然后分别采用原始算法和反向 其中‖·‖是L2范数,spa(A1)表示由向量A1张成的线性子空合成算法对一定数量的训练图像进行匹配,比较二者的匹配时 间,pmn(4)+而表示与其正交的线性子空间。由于式(21)的前间和RMS点分布误差。 半部分只与pq有关,而后半部分对于任何的p、q其最小值总41构建AAM 是0,因而可以采用反向合成算法先求出满足式(21)前半部分 本文采用IMM人脸库中的240幅图像作为训练图像, 的p、q的最优值,然后将pq看作常量,求出满足后半部分的其中每幅图像中包含58个标定点。由该训练图像集,得到含有 A的最优值。由于A(x)是相互正交的,因此入的一个简单完20个参数的形状模型,含有116个参数的外貌模型和含有55 备解为: 个参数的联合外貌模型,其中每个外貌图像中含有31461个 像素点。在匹配过程中,反向合成算法采用3个形状参数和9 A=>A(x)-I(N(W(x:P); ))-Ao(x) (2)个外貌参数进行计算,原始算法采用10个联合外貌参数进行 由于反向合成算法在中span(4)进行,因而AaWH都计算。基形状S和A(x)平均外貌如图2所示。 4.2实验结果比较 应地要投影到spmn(A1)中去。文献[15中给出了其在子空间 由生成的AAM模型,分别利用原始算法和反向合成算法 502007,43(18) Computer Engineering and Applications计算机工程与应用 算法与原始算法匹配实验结果证明了反向合成算法的优越性。 然而,反向合成算法也存在一定的不足。由实验可以看出, 反向合成算法的匹配时间仍然较长,不能有效地满足实时性的 要求,这主要是因为该算法中仍然存在着大量的矩阵运算,因 此如何使反向合成算法有效地满足实时性的要求是一个需要 图2基形状s和平均外貌A(x) 继续硏究的课题。另外,由于反向合成算法是梯度算法,很容易 对训练图像集中的一定数量的图像(本文选30幅)进行匹配,受到图像中噪声,遮挡和光照等因素的影响,而导致匹配失败 分别记录二者的匹配时间和匹配形状与手工标定形状之间的因此如何提高反向合成算法的健壮性也是一个需要深入研究 RMS点分布误差。假设匹配形状为s,手工标定形状为s,则的课题。(收稿日期:2006年11月) RMS点分布误差为 参考文献 ‖s-s E (27) [1] Cootes T F, Edwards G J, Taylor C JActive Appearance Models[Cy/ 2 其中n为手工标定点数。实验时,原始算法和反向合成算法采 European Conference on Computer Vision, 1998, 2: 484-498 用相冋的初始形状,即形状参数向量和姿态参数向量相同,对 [2] Cootes T F, Edwards G J, Taylor C J.A comparitive evaluation of Active Appearance Models algorithms[C]//British Machine Vision 幅图像进行一定次数的匹配测试(本文选30次)。然后对每 Conference. 1998 次测试中得到的30幅图像的匹配时间和RMS点分布误差求3] Edwards G J, Taylor C J, Coules t f. lulervreliug face inages u 均值,得到如图(3),(4)所示的实验结果。 ing Active Appearance Models[C]nternational Conference on Face +++++++ and Gesture Recognition, 1998: 300-305 [4 Bosch H, Mitchell S C, Boudewijn P F, et al. Active Appearance motion Models for endocardial contour detection in time sequences of echocardiograms[J]. SPIE Medical Imaging Image Processin 回12}解 2001,4322:257-268 [5 Mitchell S, Boudewijn P, Lelievedt P F, et al. Time continuous seg- mentation of cardiac MR image sequences using Active Appear ance Motion Models[J. SPIE Medical Imaging, 2001, 4322: 249-256 2废成算迭 [6] Cootcs T F, Edwards G J, Taylor C J Activc Appcarancc Modcls[JI IEEE Transactions on Pattern Analysis and Machine Intelligence 10 实验次数/次 2001,23(6):681-685 图3原始算法和反向合成算法匹配时间的比较 [7 Edwards G J.Learning to identify faces in images and video se- quences[D]. University of Manchester, Division of Imaging Science and Biomedical Engineering, 1999 8] Matthews I, Baker S Active Appearance Models revisited[J]. Interna- 10 tional Journal of Computer Vision, 2004, 60(2): 135-164 [9 Baker S, Matthews I Equivalence and efficiency of image alignment agorithms [C]/ Computer Vision and Pattern Recognition Confer- ence,2001,l:1090-1097 [10] Baker S, Matthews I Lucas-kanade 20 years on: a unifying frame work: part 1, CMU-RI-TR-02-16 R]. Robotics Institute, Carnegie 合成算法 Mellon University, 2002 10 实验次数/次 [11 Lucas B, Kanade TAn iterative image registration technique with 图4原始算法和反向合成算法RMS点分布误差的比较 an application to stereo vision[ Cl//International Joint Conference on Artificial Intelligence. 1981. 674-679 由图可以看出,反向合成算法在匹配时间上要明显优于原12 Dryden I L, Mardia K V Statistical shape analysis[M|S.]:ohm 始的AAM匹配算法。在匹配的正确性上,前者较后者也有 Wiley Sons, 1998 定的提高。同时可以注意到,原始算法的RMS点分布误差具有13 Goodall C Procrustes methods in the statistical analysis of shape[JI 较大的波动性,这主要是由于原始算法很容易受到初始参数的 Journal of the Royal Statistical Society B, 1991, 53(2): 285-339 影响而陷入局部极小点,从而导致匹配失败。而反向合成算法141 Baker s, Gross r, Matthews,etal. Lucas- kanade20 years or;a 则具有较高的稳定性。 unifying framework: part 2, CMU-RI-TR-03-01[R]. Carnegie Mel- lon University Robotics Institute, 2003 5结论 [15 Baker S, Gross R, Matthews I. Lucas -kanade 20 years on: a unifying framework part 3, CMU -RI-TR-03-35 [R].Robotics 反向合成算法通过对 Lucas- Kanade图像对齐算法的扩 Institute, Carnegie Mellon University, 2003 展,避免了 Hessian矩阵和梯度在迭代过程中的重复计算以及[161 Stegmann M B, Ershi b K, Larsen R FaMe- a flexible appearance 对误差图像与参数增量之间关系的数值估计,从而大大减少了 modeling environment[J].IEEE Transactions on Medical Imaging AAM的匹配时间,同时提高了AAM匹配的准确性。反向合成 2003,22(10):1319-1331.

...展开详情
试读 4P 论文研究-AAM反向合成匹配算法及其性能分析.pdf
img
  • 至尊王者

    成功上传501个资源即可获取

关注 私信 TA的资源

上传资源赚积分,得勋章
    最新推荐
    论文研究-AAM反向合成匹配算法及其性能分析.pdf 5积分/C币 立即下载
    1/4
    论文研究-AAM反向合成匹配算法及其性能分析.pdf第1页
    论文研究-AAM反向合成匹配算法及其性能分析.pdf第2页

    试读已结束,剩余2页未读...

    5积分/C币 立即下载 >