这是一个由Cootes和Taylor介绍的基本活动形状模型(ASM)和活动外观模型(AAM)的例子，具有多分辨率的2D和3D方法，彩色图像支持和改进的边缘查找方法。金宝app对于生物医学目标的自动分割和识别非常有用。
．
基本思路ASM:
ASM模型从训练图像中手动绘制的轮廓(3D曲面)进行训练。ASM模型使用主成分分析(PCA)发现训练数据中的主要变化，这使模型能够自动识别轮廓是否是可能/好的物体轮廓。ASM模式还包含描述垂直于控制点的线条纹理的矩阵，这些矩阵用于校正搜索步骤中的位置。
在创建ASM模型后，通过为控制点找到最佳纹理匹配来变形初始轮廓。这是一个迭代过程，其中控制点的运动受到ASM模型从训练数据中识别出的“正常”物体轮廓的限制。
．
基本思路AAM:
主成分分析(PCA)用于找出平均形状和训练数据对平均形状的主要变化。在找到形状模型后，将所有训练数据对象变形为主形状，并将像素转换为向量。然后使用PCA来寻找训练集中的平均外观(强度)和外观的方差。
形状和外观模型都与主成分分析相结合，形成一个aam模型。
通过将训练集中的参数替换为已知的量，可以创建一个模型，在模型强度与正常图像强度的一定差异下给出最优的参数更新。该模型用于搜索阶段。
．
文学:
——Ginneken B.等人“最优特征的主动形状模型分割”，IEEE医学影像汇刊2002。
——T.F.库茨，g.j.爱德华兹，C,J。“主动外观模型”，计算机视觉欧洲会议，1998
——T.F.库茨，g.j.爱德华兹，C,J。泰勒“主动外观模型”，IEEE模式分析与机器智能汇刊2001
例子(2 d):
运行示例“ASM_2D_example”和“AAM_AAM_2D_example”，这些示例是由10张手工照片中手动绘制的等高线制成的(使用DrawContourGui)。训练后的ASM / AAM模型会自动在测试手图像中找到轮廓。
例子(3 d):
首先训练分类器来识别下颌骨“ASM_3D_train_example”或“AAM_3D_train_example”，然后用“ASM_3D_apply_example”或“AAM_3D_apply_example”进行分段。
评论:
请留下评论，如果你喜欢它，找到一个错误，或知道(作出)好的改进代码。
引用作为
德克-扬·克鲁恩(2022年)。主动形状模型(ASM)和主动外观模型(AAM)(//www.tatmou.com/matlabcentral/fileexchange/26706-active-shape-model-asm-and-active-appearance-model-aam)， MATLAB中央文件交换。检索．
MATLAB版本兼容性
平台的兼容性
窗户 macOS Linux类别
标签
确认
麦函数/
ASM函数/
函数/
InterpFast_version1 /
PatchNormals_version1 /
PieceWiseLinearWarp_version2 /
PieceWiseLinearWarp_version2 /功能/
polygon2voxel_version1j /
您也可以从以下列表中选择一个网站: