图像工程是近些年来得到极大的发展和长足的进步的新学科,它包括图像处理,图像分析和图像理解三个层次。图像分析是图像工程中处于中间的层次,是由图像处理迈向图像理解的必经之路,它的作用主要是对图像中感兴趣的目标进行测量以获得它们的客观信息,从而建立对图像的描述。人脸分割作为图像分析的一个重要分支是实现鲁棒实用的人脸识别系统的基本前提,它的作用是对人脸的各个器官轮廓进行精确定位。 主动形状模型(ASM)是目前解决人脸分割问题的主流方法之一。ASM是一种基于点分布模型(Point Distribution Model,PDM)的算法。在PDM中,外形相似的特定类别物体的形状通过若干关键的特征点(Landmarks)的坐标串接成原始形状向量。对训练集中的所有形状向量进行对齐操作后,对他们进行PCA分析建模,保留的主成分形成最终的形状模型,形状模型的参数反映了形状的主要可变化模式。搜索时首先通过局部纹理模型匹配得到各个特征点的更佳的位置,经过相似变换对齐后,通过统计形状模型对其进行约束,而后再进行局部纹理模型的匹配,形成一个迭代过程,以期形状模型最终匹配到输入的形状模式上去。 在传统ASM中,使用的是特征点局部灰度纹理特征作为启发式信息,很容易陷入局部极小。近年来,随着小波分析在图像处理、计算机视觉等领域内的研究应用日趋成熟,考虑到应该充分挖掘小波分析的潜力,将它和经典的ASM相结合。基于这个思想,本文设计出了Gabor ASM算法。Gabor ASM算法相对于传统ASM的差别在于它在搜索的最后采用了基于局部Gabor小波系数的方法来搜寻最佳点的位置,修正了传统ASM的搜索结果,使得搜寻结果更加精确。其中对局部Gabor系数使用一种由粗到精的方法来搜索特征点的位置。搜索的初期在局部使用肤色相似度图得到大致的轮廓,然后使用Gabor小波对结果进行修正。通过人脸特征点的定位跟踪实验,结果证明Gabor ASM算法是有效的,而且是非常具有潜力的一种方法。