若干生物圖像信息檢測(cè)算法研究及其應(yīng)用.pdf

1、生物圖像信息檢測(cè)與識(shí)別技術(shù)因其重要性而得到世界各國(guó)廣泛關(guān)注并廣泛應(yīng)用在各個(gè)領(lǐng)域。當(dāng)前，生物醫(yī)學(xué)技術(shù)的發(fā)展、生物信息學(xué)的發(fā)展、公共安全的需要為生物圖像信息檢測(cè)與識(shí)別技術(shù)的進(jìn)一步發(fā)展創(chuàng)造了條件提供了機(jī)遇。 本論文主要圍繞著人臉特征點(diǎn)檢測(cè)、人臉多表情狀態(tài)檢測(cè)和識(shí)別、乳腺癌細(xì)胞檢測(cè)三個(gè)方面展開研究。 數(shù)字人像問題的研究始于30年前，近十多年來已擴(kuò)展成為人工智能、模式識(shí)別和圖象處理等領(lǐng)域的研究熱點(diǎn)。數(shù)字人像問題包括人臉識(shí)別、表情分

2、析、眼光注視檢測(cè)、唇讀、姿勢(shì)估計(jì)、人臉重構(gòu)、人臉信息編碼等問題，在這諸多問題里，人臉特征點(diǎn)檢測(cè)是最關(guān)鍵的基礎(chǔ)環(huán)節(jié)；而人臉多表情狀態(tài)檢測(cè)和識(shí)別是頗具意義的一環(huán)。由于現(xiàn)有的人臉特征點(diǎn)檢測(cè)算法較少考慮表情和光照條件的影響，因此，非均勻光照下的多表情的人臉特征點(diǎn)檢測(cè)問題是本論文的研究問題之一，研究這個(gè)問題不僅具有現(xiàn)實(shí)意義，而且具有理論意義，特征點(diǎn)通常為奇異點(diǎn)，它的檢測(cè)為奇異點(diǎn)(如邊緣)檢測(cè)的發(fā)展和統(tǒng)計(jì)模型的發(fā)展提供理論基礎(chǔ)。而目前還處于剛起步研

3、究階段的眼睛和嘴巴狀態(tài)檢測(cè)與分類問題，作為人臉特征點(diǎn)檢測(cè)的后續(xù)應(yīng)用之一，因其在智能人機(jī)交互中有相當(dāng)大的應(yīng)用價(jià)值而成為本論文研究的問題之二。 在醫(yī)學(xué)圖像問題的研究領(lǐng)域，過去的幾十年里，乳腺癌持續(xù)是全世界婦女特別是西方國(guó)家婦女最高發(fā)的癌癥和導(dǎo)致婦女死亡的最主要原因之一。由于其成因未知，提早預(yù)防目前尚不可能，但如能及早診斷與治療將會(huì)大大提高病人存活機(jī)會(huì)。乳腺X線照片是目前醫(yī)生診斷乳腺癌的有力工具，簇化的微鈣化點(diǎn)是乳腺癌在X線照片中的主

4、要表現(xiàn)，因而本論文第三個(gè)研究問題圍繞數(shù)字乳腺X線照片中微鈣化點(diǎn)簇的檢測(cè)而展開。 本論文的主要工作包括以下三個(gè)方面：1)提出基于活動(dòng)輪廓模型(ASM)方法的多表情整臉輪廓檢測(cè)算法。ASM是目前最流行的人臉對(duì)齊方法之一。人臉有豐富的表情，如微笑，驚訝，生氣，發(fā)呆等等，眼睛和嘴巴的多種狀態(tài)使得形狀有較大的非線性變化，不能簡(jiǎn)單地放在同一個(gè)線性模型下處理。為了提高ASM在光照較不均勻、背景較復(fù)雜和形狀有較大非線性變化的、多表情的人臉特征點(diǎn)

5、的檢測(cè)準(zhǔn)確率，本論文提出三種策略對(duì)ASM從模板建立到搜索策略進(jìn)行改進(jìn)：a)非對(duì)稱采樣策略；b)對(duì)Gabor小波提取的信息進(jìn)行建模取代標(biāo)準(zhǔn)ASM中直接對(duì)灰度信息進(jìn)行建模，以容忍一定程度的光照變化和臉部較豐富的表情；c)局部ASM和全局ASM相結(jié)合的多模板ASM方法。 2)提出眼睛狀態(tài)和嘴巴狀態(tài)檢測(cè)的組合算法。人臉表情豐富多樣，其中眼睛和嘴巴作為人臉的兩個(gè)重要部件，包含了豐富的表情信息，眼睛和嘴巴的輪廓檢測(cè)和狀態(tài)分類在智能人機(jī)交互中

6、有相當(dāng)大的應(yīng)用價(jià)值。本論文應(yīng)用六種方法去檢測(cè)開眼和閉眼狀態(tài)，即灰度模板匹配的方法、Fisher方法、水平投影的方法、找眼睛上眼瞼的方法、用Hough變換找眼珠的方法、垂直方差投影的方法。最后通過對(duì)這六種方法進(jìn)行組合來提高抗光照影響能力，提高檢測(cè)的準(zhǔn)確率。而對(duì)于嘴巴，本論文采用基于灰度模板匹配方法、支持向量機(jī)方法、嘴巴幾何特征分類和嘴巴內(nèi)輪廓區(qū)域灰度分類的組合方法，檢測(cè)張大、微笑、O型和緊閉四種嘴巴狀態(tài)。 3)提出基于不同SVM檢