因为想要看懂openface论文所使用的算法,就打算把看openface论文所涉及到的主要的论文看一遍,大概需要看5篇论文。最先看了PDM模型的论文,翻译之后加了一些自己的理解。http://blog.csdn.net/u013263891/article/details/79408688,因为ASM模型是基于PDM模型的,所以想要真正的理解ASM还是需要仔细理解一下PDM模型。
这是所看的这方面的第2篇论文,一样也是T.F.Cootes, C.J.Taylor两位大神的,我也看了一些其他人写的关于ASM模型的论文,比如http://blog.csdn.net/carson2005/article/details/8194317,这篇博客不知道博主看的是谁的论文,与我这篇论文的大致思路是一样的,但是主要的不同会是对每个点的进行调整的计算。
因为PDM模型是通过对b向量参数的调整,对形状的整体进行调整,并没有详细到每一个点,所以它的精确度有待提高,而ASM则是对形状中的每一点进行了调整。
1 点分布模型
首先我们得到PDM模型,这个模型主要由这些点的平均形状和主要的变化模式组成
通过选择b的值我们可以在得到一个新的形状,然后我们可以通过定义位置,方向,比例来在图像框架中创建实例X
M(s,θ)[ ] 是旋转θ 缩放s
(Xc,Yc)表示的是图像中模型中心的位置
2 对PDM优化
我们反复的使用下面看两步
2.1 计算模型中的每一点的建议位移
给定初始估计的一组模型的边界点,我们试图拟合一个图像对象的轮廓(图2),我们需要估计一个调整位移,已将每一个边界点移动到图像的边缘。我们使用沿着模型边界的法线调整到边缘强度最大的位置,也即是图像的边缘点(如图3)。
(图像最基本的特征是边缘。所谓边缘是指其周围象素灰度有阶跃变化的那些象素的集合。边缘点是指它两边象素的灰度值有显著的不同。边 缘点存在于这样一对邻点之间,即一个在较亮的区域内部,另一个在外部。边缘强度,实质上是边缘点梯度的幅值。定义数字图像第 i 行第 j 列的x、y方向的一阶差分为: