广西师范大学学报（自然科学版） ›› 2010, Vol. 28 ›› Issue (3): 170-174.

• • 上一篇    下一篇

基于改进活动轮廓模型的人脸分割

夏冉1, 王国胤1, 龚勋1,2, 任文彬1   

  1. 1.重庆邮电大学计算机科学与技术研究所,重庆400065;
    2.西南交通大学信息科学与技术学院,四川成都611756
  • 收稿日期:2010-05-15 出版日期:2010-09-20 发布日期:2023-02-06
  • 通讯作者: 王国胤(1970—),男,重庆人,重庆邮电大学教授,博导。E-mail:wanggy@cqupt.edu.cn
  • 基金资助:
    国家自然科学基金资助项目(60773113);重庆市杰出青年科学基金资助项目(2008BA2041);重庆市自然科学基金重点项目(2008BA2017);西南交通大学青年教师起步项目(2009Q86)

Face Segmentation Based on Improved Active Contour Model

XIA Ran1, WANG Guo-yin1, GONG Xun1,2, REN Wen-bin1   

  1. 1. Institute of Computer Science and Technology,Chongqing University of Posts and Telecommunications, Chongqing 400065,China;
    2. School of Information Science and Technology,SouthWest Jiaotong University, Chengdu Sichuan 611756,China
  • Received:2010-05-15 Online:2010-09-20 Published:2023-02-06

摘要： 人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。

关键词: 人脸分割, 几何活动轮廓模型, 无边缘活动轮廓模型, 水平集

Abstract: As the face image always has a blur boundary and little gradient change,the region segmentations obtained by the original active contour model are generally unsatisfactory.To achieve more accurate facial contour extraction and face segmentation,a new face segmentation scheme based on curve evolution modelis proposed,which is a combination of face detection,active contour model and mathematical morphology operators.Moreover,an improved active contour model isproposed to increase the accuracy of face contour extraction and speed up the convergence process.Experimental results show that the improved active contour model can effectively detect the local blur and breaking boundaries without any fractures in the curve,resulting in a favorable face segmentation.In addition,the improved narrow-band method reduces the computation by 60%.

Key words: face segmentation, geodesic active contour model, chan-vese model, level set method

中图分类号: 

  • TP391.41
[1] OSHER S,SETHIAN J A.Fronts propagating with curvature dependent speed:algorithms based on hamilton-jacobi formulations[J].Journal of Computational Physics,1988,79(1):12-49.
[2] SETHIAN J A.Level set methods and fast marching methods:evolving interfaces in computational geometry,fluid mechanics,computer vision,and materials science[M].Cambridge,United Kingdom:Cambridge University Press,1999.
[3] CHAN T F,VESE L A.Active contours without edges[J].IEEE Transactions on Image Processing,2001,10(2):266-277.
[4] 李俊,杨新,施鹏飞.基于Mumford-Shah模型的快速水平集图像分割方法[J].计算机学报,2002,25(11):1175-1183.
[5] 潘青,徐国良.曲面变形的水平集方法[J].计算机学报,2009,32(2):213-220.
[6] CASELLES V,KIMMEL R,SAPIRO G.Geodesic active contours[J].International Journal of Computer Vision,1997,22(1):61-79.
[7] MUMFORD D,SHAH J.Optimal approximations by piecewise smooth functions andassociated variational problems[J].Communications on Pure and Applied Mathematics,1989,42(5):577-685.
[8] VIOLA P,JONES M.Rapid object detection using a boosted cascade of simplefeatures[C]//Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Washington DC:IEEE Computer Society Press,2001:511-518.
[9] 王大凯,侯榆青,彭进业.图像处理的偏微分方程方法[M].北京:科学出版社,2008:63-68.
[1] 牛学德, 高丙朋, 任荣荣, 徐明明. 基于轻量级CNN的作物病虫害识别及安卓端应用[J]. 广西师范大学学报（自然科学版）, 2022, 40(6): 59-68.
[2] 于梦竹, 唐振军. 基于手工特征的视频哈希研究综述[J]. 广西师范大学学报（自然科学版）, 2022, 40(5): 72-89.
[3] 梁启花, 胡现韬, 钟必能, 于枫, 李先贤. 基于孪生网络的目标跟踪算法研究进展[J]. 广西师范大学学报（自然科学版）, 2022, 40(5): 90-103.
[4] 李志欣, 苏强. 基于知识辅助的图像描述生成[J]. 广西师范大学学报（自然科学版）, 2022, 40(5): 418-432.
[5] 万黎明, 张小乾, 刘知贵, 宋林, 周莹, 李理. 基于高效通道注意力的UNet肺结节CT图像分割[J]. 广西师范大学学报（自然科学版）, 2022, 40(3): 66-75.
[6] 张萍, 徐巧枝. 基于多感受野与分组混合注意力机制的肺结节分割研究[J]. 广西师范大学学报（自然科学版）, 2022, 40(3): 76-87.
[7] 李永杰, 周桂红, 刘博. 基于YOLOv3模型的人脸检测与头部姿态估计融合算法[J]. 广西师范大学学报（自然科学版）, 2022, 40(3): 95-103.
[8] 陈文康, 陆声链, 刘冰浩, 李帼, 刘晓宇, 陈明. 基于改进YOLOv4的果园柑橘检测方法研究[J]. 广西师范大学学报（自然科学版）, 2021, 39(5): 134-146.
[9] 张伟彬, 吴军, 易见兵. 基于RFB网络的特征融合管制物品检测算法研究[J]. 广西师范大学学报（自然科学版）, 2021, 39(4): 34-46.
[10] 张灿龙, 李燕茹, 李志欣, 王智文. 基于核相关滤波与特征融合的分块跟踪算法[J]. 广西师范大学学报（自然科学版）, 2020, 38(5): 12-23.
[11] 肖逸群, 宋树祥, 夏海英. 基于多特征的快速行人检测方法及实现[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 61-67.
[12] 王勋, 李廷会, 潘骁, 田宇. 基于改进模糊C均值聚类与Otsu的图像分割方法[J]. 广西师范大学学报（自然科学版）, 2019, 37(4): 68-73.
[13] 蔡冰, 张灿龙, 李志欣. 基于联合直方图的红外与可见光目标融合跟踪[J]. 广西师范大学学报（自然科学版）, 2017, 35(3): 37-44.
[14] 何鹏, 刘高凯, 李静辉. 基于机器视觉的疲劳驾驶监测预警系统[J]. 广西师范大学学报（自然科学版）, 2015, 33(4): 25-29.
[15] 王冬旭, 宋树祥, 蒋品群. 基于BP神经网络的竹片正反面识别算法[J]. 广西师范大学学报（自然科学版）, 2014, 32(2): 14-19.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发