这是一个基本的主动形状模型(ASM),也主动外观模型(AAM)引入的傻瓜和泰勒,2 d和3 d使用多分辨率方法,彩色图像支持和改进的边缘寻找方法。万博1manbetx非常有用的生物医学对象的自动分割和识别。
。
ASM的基本思想:
ASM模型训练从手工绘制轮廓(表面3 d)在训练图像。ASM模型发现的主要变化训练数据使用主成分分析(PCA),使该模型自动识别等高线轮廓是一个可能的/好的对象。还ASM模式包含矩阵描述的纹理线垂直于控制点,这些是用来搜索步骤中正确的位置。
在创建了ASM模型,初始轮廓变形通过寻找最好的纹理匹配控制点。这是一个迭代的过程,其中的运动控制点的ASM模型识别什么是有限的训练数据作为一个“正常”的对象轮廓。
。
基本思想麦:
PCA用于查找的平均形状和主要训练数据的均值变化形状。发现形状模型后,所有训练数据对象变形的主要形状,和像素转换成向量。然后PCA用于发现均值外观(强度)和方差出现在训练集。
形状和外观模型结合PCA aam模型。
通过取代参数在训练集知道数量,可以创建一个模型,给出了最优参数更新model-intensities一定差异和正常图像强度。该模型用于搜索阶段。
。
文学:
——Ginneken b . et al。“主动形状模型和最优分割功能”,IEEE 2002年医学成像。
——T.F.傻瓜,G。爱德华J和C, J。泰勒“主动外观模型”,Proc。1998年欧洲计算机视觉
——T.F.傻瓜,G。爱德华J和C, J。泰勒“主动外观模型”,2001年IEEE模式分析与机器智能
例子(2 d):
运行示例“ASM_2D_example”和“AAM_AAM_2D_example”,是由手工绘制轮廓的示例10手照片(DrawContourGui)。ASM / AAM模型训练后会自动找到测试手的轮廓图像。
例子(3 d):
首先训练分类器识别下颌骨“ASM_3D_train_example”或“AAM_3D_train_example”,然后用“ASM_3D_apply_example”部分,或“AAM_3D_apply_example”。
评论:
请留下你的评论,如果你喜欢它,发现一个bug,或者知道(使)好改进代码。
引用作为
Dirk-Jan克朗(2022)。主动形状模型(ASM)和活动外观模型(AAM)(//www.tianjin-qmedu.com/matlabcentral/fileexchange/26706-active-shape-model-asm-and-active-appearance-model-aam), MATLAB中央文件交换。检索。
