互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于人工鱼群算法的主动形状模型


□ 刘清艳 刘 渊

   (江南大学 a.信息工程学院; b.数字媒体创意中心 江苏 无锡 214122)
  摘 要:在分析ASM不足的基础上,研究了一种基于人工鱼群算法(AFSA)的ASM,从而有效克服初始状态对定位结果的影响。对ORL人脸数据库进行特征定位的实验结果表明,算法具有搜索速度快、定位精度高、对初始状态不敏感、避免局部最优等优点。
  关键词:主动形状模型; 人工鱼群算法; 特征提取; 统计模型
  中图分类号:TP391.4文献标志码:A
  文章编号:1001-3695(2009)05-1935-03
  
   Active shape models based on artificial fish swarm algorithm
  LIU Qing-yana,b LIU Yuana,b
  (a.School of Information Technology b.Creative Digital Media Center Jiangnan University Wuxi Jiangsu 214122 China)
  Abstract: This paper introduced an ASM based on artificial fish-swarm algorithm. This improved method was evaluated on ORL face database and the experimental results show that the new algorithm has some advantages in terms of searching speed searching accuracy avoiding local optimum.
  Key words:active shape models(ASM); artificial fish-swarm algorithm(AFSA); feature extraction; statistical model
  
  Cootes等人[1,2]提出的主动形状模型(ASM)方法已成为非常流行的物体定位方法,其优点在于它能允许一定程度的形状变化而又能保证变化后的形状还代表着某一类物体或结构。它是一种基于统计学的可变形模型,其核心算法包括两个子模型,即全局形状模型和局部纹理模型。利用统计模型对特征的形状进行约束,将通过预先学习的局部模型匹配转换为一个参数优化问题,并最终得到较好的收敛结果。国内外学者对该方法进行了大量的研究[3,4]。
  尽管ASM有较好的性能,但其存在诸多不足,如受初始化状态、旋转角度等因素影响可能导致定位失败。本文在分析ASM不足的基础上,将集群智能优化算法——人工鱼群算法引入到ASM中。人工鱼群算法(AFSA )[5~7]是新近提出的一种智能优化算法。该算法具有良好的克服局部极值、取得全局极值的能力。 ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017