動態(tài)嘴唇分割與跟蹤算法研究.pdf

1、隨著信息科技、模式識別及人工智能技術(shù)的迅速發(fā)展,唇讀技術(shù)越來越受到相關(guān)研究者的關(guān)注。因此嘴唇分割與跟蹤技術(shù),作為唇讀技術(shù)的最重要及基礎(chǔ)技術(shù)之一,具有極高的研究和應(yīng)用價值。為了實現(xiàn)準確且穩(wěn)定的嘴唇分割與跟蹤技術(shù),本文將該技術(shù)的實現(xiàn)過程分為嘴唇分割與嘴唇跟蹤兩個步驟,并將研究工作分別從這兩個方面依次展開:
　　嘴唇分割算法方面,本文中首先實現(xiàn)了兩種基于彩色嘴唇圖像的分割算法。第一種為基于MS-FCM模糊聚類的嘴唇分割算法,該算法在傳統(tǒng)

2、模糊聚類算法的基礎(chǔ)上引入了幾何空間位置信息,并結(jié)合多聚類中心的應(yīng)用實現(xiàn)了嘴唇區(qū)域的分割。最后通過基于該領(lǐng)域較知名的AR face database中嘴唇圖像的實驗,驗證了該算法的有效性。另一種算法為本文所提出的一種原創(chuàng)的結(jié)合像素點特征和參數(shù)模型的嘴唇分割算法,該算法通過比較分析建立了合理的由三條獨立拋物線組成的嘴唇參數(shù)模型,并通過基于嘴角探測的預(yù)處理、基于新型改進的“跳躍式Snake算法”的特征像素點提取、含有權(quán)重限制的最小二乘曲線估計

3、擬合等步驟提取到了準確、完整的嘴唇輪廓曲線,并同樣通過實驗驗證了該算法對嘴唇分割的有效性和準確性。
　　嘴唇跟蹤算法方面,本文在基于MS-FCM模糊聚類的嘴唇分割算法的基礎(chǔ)上,結(jié)合本文所提出的第二種分割算法中特征點提取與輪廓擬合的思想,提出并實現(xiàn)了一種完整的嘴唇分割跟蹤算法。該算法首先將基于MS-FCM模糊聚類的嘴唇分割算法擴展到了對嘴唇圖像序列的分割處理上,利用前一幀圖像的模糊聚類分布矩陣對后一幀圖像的聚類分布進行預(yù)測,從而快速

4、得到嘴唇序列分割結(jié)果。為了對獲取的原始序列分割結(jié)果進行匹配修正,本算法采用特征點的提取,結(jié)合ASM(Active Shape Model)算法中平均值的訓(xùn)練思想,將其改進擴展至針對嘴唇圖像序列的訓(xùn)練應(yīng)用中,并利用手工標定的嘴唇序列圖像的特征點向量進行訓(xùn)練,得到嘴唇序列平均形狀特征點向量與其主要變換模式。最后使用最小二乘估計法及馬氏距離的計算對原始分割結(jié)果進行匹配修正與輪廓曲線擬合。同樣,本文通過實驗驗證了該跟蹤算法可以得到較為準確的嘴唇