基于自训练与snakes搜索的活动形状模型

摘要

活动形状模型(ASM)算法在有模型监督的轮廓提取中应用广泛,其不足主要体现在两个方面:(1)对大量样本标记点的标注费时、费力,且易产生误差;(2)算法轮廓进化中的盲搜索对图像中的噪声敏感,容易偏离全局最优.对前者,当目标物体的待成像轮廓在同一平面时,可利用透视投影变换模拟产生物体轮廓在3D空间成像的训练样本,从而完全避免手工标注引入的人为误差;对后者,在ASM的轮廓进化过程中,结合经典的snakes活动轮廓模型算法(ACM),可提高算法收敛的鲁棒性.上述改进的ASM算法已用于视频相册系统中,试验结果证明了算法的有效性.