ASM(active shape model)算法学习总结

本文是对ASM(Active Shape Model)算法的总结,介绍了ASM的基本概念、优势与不足,以及训练和特征点提取的详细步骤。ASM是一种基于点分布模型的统计学习方法,常用于图像处理中的人脸对齐等任务。通过对训练集进行标记、对齐和PCA降维,构建形状模型,并通过局部特征匹配实现特定物体的匹配。
摘要由CSDN通过智能技术生成

引言

     大二利用ASM算法做完项目后,一直没有进行总结。时至今日读了ASM原始论文,以及多篇ASM算法介绍的博客,做以下总结。

     ASM(active shape model)大多地方译作 :主动(主观)形状模型,我个人认为如果译作:动态形状模型 更为合适,原始论文指出ASM是形状可变的图像结构模型。(new methods of building and using flexible models of image structures shose shape can very)。

简介   

       ASM的基础是:图像的结构能够被一系列的点来表示。可以是表示边缘的点、内部结构的点甚至是外部的点。这意味着ASM可以用来提取物体的特征点、可以做为表示物体特征的一种形式。【这种以点来做物体特征的方法曾用于ChaLearn Lookingat People New2015 competitions 中 年龄预测部分】

       以下两种见于博客中对ASM的简介:

       ASM是一种基于点分布模型(Point Distribution Model,PDM)的算法。在PDM中,外形相似的物体,例如人脸、人手、心脏、肺部等的几何形状可以通过若干关键特征点(landmarks)的坐标依次串联形成一个形状向量来表示。个人认为这种说法直观上更易于理解。

      ASM基于统计学习模型的特征点提取的一种方法。

优势及不足

       ASM适用于表示典型的形状和典型的形状改变。目前已经是一种很成熟的算法(1995年提出),有关原理、开源包等资料网上有很多。如果只是简单的用于特征点定位&#

  • 3
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值