改进snake模型的人脸拓扑轮廓提取

1、改进snake模型的人脸拓扑轮廓提取Facial Topological Contour Extraction with Improved SnakeModelZHANG Li-jun(College of Information Engineering, Shanghai Maritime University, Shanghai 200135, China):The face has a topological invariant, so based on the stable nature, so this paper used the persons perception of the

2、 nature of priority with topology for the face topological contour. Aiming at the limitation that the traditional snake model cannot converge the concave edge, and the original contour must be close to the real edge of the image, this paper successfully combined the face feature organs detection and

3、 GVFsnake algorithin. Firstly, processed the image by computing the gray level5 s complexity to mark the feature organs, then used the resuIt as the snake5 s original contour, secondly, used GVFas its external energy. Experiments show that it can extract facial contour fast andexactly.在传统的计算机视觉领域中,底

4、层的任务被广泛地认为是自主的自底向上的过程。针对知觉信息基本表达的根本问题，陈霖 等系统地发展了 “大范围优先”的不变性知觉理论。陈霖对他的拓扑知觉理论是这 样概括的10：知觉组织的拓扑学研究基于一个核心思想和包括两个 方面。其中两个方面是，第一方面强调形 状知觉中的拓扑结构，这就 是，知觉组织的大范围性质能够用拓扑不变形来描述；第二方面是强 调早期拓扑性质知觉，这就是拓扑性质知觉优先于局部特征性质的知 觉。在对人脸面部进行特征提取时，根据大范围优先这一理论，首先提 取人脸的大范围特征，即人脸拓扑轮廓，将人脸拓扑轮廓包括眼睛嘴 巴特征器官轮廓进行提取。本次试验的数据库为JAFFE日本妇女表情数

5、据 库，图片格式为t辻f格式，通过本文的算法，对上文提到的人脸拓扑 轮廓进行准确初始定位，并在此基础上进行相对应的人脸拓扑轮廓提 取。1 snake模型算法原理snake模型3,即能量最小化运动曲线模型，首先根据图像中 所要分割目标的轮廓确定大致的初始轮廓曲线，然后对曲线 进行能量最 小化变形，使其锁定在分割目标的边界上。经典snake模型的数学描 述4如下：v(s)是一条在目标轮廓附近且包含目标轮廓的曲线，这条曲线由 一组控制点(x(s),y(s)组成，图像中的每个控制点的坐标 位置用 x(s)和y(s)表示。轮廓线v(s)由这些控制点首尾以直线相连构成，v(s)-x(s), y(s)s 0

6、, 1 ( 1)snake模型的最小化能量函数如公式(2)所示:(2)它的离散形式是：(3)vs (s)和Vss(s)分别是曲线v(s)关于S的一阶和二阶导数，v(s)的弹性和弯曲性的权重系数。曲线的一阶导数项代表了曲线的弹 性能量，控制着曲线轮廓的长度和连续性。二阶导数反映蛇曲线上各 点的曲率的大小，它代表了曲线的刚性能量，使得曲线尽可能平滑。2 snake提取人脸轮廓特征常见的snake算法的技术难点之一，即初始化轮廓点的设定问题。的初始化轮廓点的设定方法包括：手动初始化轮廓线(点)8-9、基 于特征的初始化以及基于模型的初始化。手动的方法 极为常见，但是这 种手工勾勒的方法不能实现整个分

7、割流程的自动化；将人脸的形状近似为一个椭圆5 , 7的方法，实现了一定的自动化，但是由于人脸的大小并不完全相同，初始椭圆的长短轴的确定影响了初始轮廓的精确 度。所以本文将snake初始化为一个椭圆之前，对于如何确定椭圆的 中心位置和长短轴大小进行 研究，使其更加接近人脸的真实轮廓的问题，在文献9中，利用手工标定人眼嘴巴等特征器官来确定椭圆的 特征，这里我们采用自动提取定位器官的方法，首先对人脸面部的主 要的特征器官进行自动定位1,然后根据相对应的人脸器官先验几何 特征来确定人脸的初始轮廓。由于在人脸图像中，眼睛所在行的复杂度相对人脸的其他部 位更大 2-3,所以我们可以通过对灰度复杂度的判别进

8、行人眼的初步定位。 设图片的灰度值用R (x, y)来表示，R (x,y )的梯度和复杂度可以表示 为：A=R( i+1, j ) -R(i, j ),(4)入二EE |R(i , j+l)-R(i , j) |(5)复杂度为图像灰度值的累加值，反映了在某个方向上图像变化的复 杂程度，R (x, y)的行复杂度为：入 i= E| R(i , j+l)-R(i , j) | , (6)在人脸图像中，眼睛所在行的复杂度相对人脸的其他部位更大，所 以我们可以计算图片中每行的复杂度取其最大值设为眼睛所在行。同时为了保证眼睛的复杂度最大，引入加权函数，同时由于我们 的测试图片中面部的几何特征，人的眼睛的比例位置为0. 25到0. 65 之间，所以可以修改加权函数为K： k=N/4, (0. 25N以max (入i )所在行 为中点，在原图像中剪切出高为30宽为356的眼睛所在区域。设此剪切 区域为X,在此基础上进行列方向的复杂度取值，可以得到最大的即为 眼睛所在的坐标，根据几何特征，同时根据对称性可以得到相应的另外 一只眼睛的坐标。在形态学处理后的结果上，在进行自适应二值化处理，根据脸部 器官的几何特征，从眼睛所在行中心位置往下搜索，嘴部区 域的黑色部分远比鼻子其他部分的要多，所以设定一个阈值T