[發(fā)明專利]一種改進(jìn)的魯棒性點(diǎn)配準(zhǔn)方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011254115.5
• 申請日: 2020-11-11
• 公開（公告）號: CN112465881A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計(jì)）人: 馮全;桑強(qiáng)
• 申請（專利權(quán)）人: 常州碼庫數(shù)據(jù)科技有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/35;G06K9/62
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

本發(fā)明公開了圖像配準(zhǔn)技術(shù)領(lǐng)域的一種改進(jìn)的魯棒性點(diǎn)配準(zhǔn)方法及系統(tǒng)，在配準(zhǔn)整體點(diǎn)集合的同時(shí)，保持了局部點(diǎn)集之間的對應(yīng)一致性，提高了點(diǎn)集配準(zhǔn)的準(zhǔn)確性，同時(shí)提高了存在異常點(diǎn)時(shí)算法的魯棒性。包括：a、給定兩個(gè)點(diǎn)集合，并對配準(zhǔn)模型參數(shù)進(jìn)行初始化并賦初值；b、基于點(diǎn)局部結(jié)構(gòu)保持理論，求解兩個(gè)點(diǎn)集合中局部點(diǎn)對間匹配一致性的先驗(yàn)概率；c、基于混合概率模型及步驟b獲取的先驗(yàn)概率進(jìn)一步求解后驗(yàn)概率；d、基于步驟c獲取的后驗(yàn)概率進(jìn)一步求解配準(zhǔn)模型的變形參數(shù)；e、基于步驟d獲取的變形參數(shù)重新排列兩個(gè)點(diǎn)集合中的點(diǎn)；f、重復(fù)步驟b～e，直至配準(zhǔn)模型收斂，輸出兩個(gè)點(diǎn)集合之間的對應(yīng)關(guān)系。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像配準(zhǔn)技術(shù)領(lǐng)域，具體涉及一種改進(jìn)的魯棒性點(diǎn)配準(zhǔn)方法及系統(tǒng)。

背景技術(shù)

圖像配準(zhǔn)技術(shù)是計(jì)算機(jī)視覺、圖像處理領(lǐng)域一項(xiàng)非常重要的研究課題。并且眾多研究成果已經(jīng)廣泛應(yīng)用于模式識別、醫(yī)學(xué)圖像處理及數(shù)字媒體等多個(gè)重要領(lǐng)域。該技術(shù)根據(jù)配準(zhǔn)對象可大致分為灰度配準(zhǔn)算法和點(diǎn)配準(zhǔn)算法。由于點(diǎn)配準(zhǔn)算法可以有效地降低算法復(fù)雜度，具有實(shí)時(shí)性的優(yōu)點(diǎn)，能夠得到實(shí)際的工業(yè)級應(yīng)用，是目前業(yè)界研究的熱點(diǎn)。近年來相關(guān)的技術(shù)文獻(xiàn)提出了很多，按技術(shù)線路總的分為以下兩大類：一類是基于圖匹配的方法；另一類是基于概率模型的分類方法。第一類方法將點(diǎn)的配準(zhǔn)問題轉(zhuǎn)化為圖的匹配問題。在計(jì)算點(diǎn)鄰居關(guān)系時(shí)統(tǒng)計(jì)了所有鄰域點(diǎn)之間的匹配概率，包含了大量的冗余信息，從而降低了配準(zhǔn)的準(zhǔn)確性。第二類方法采用簡化的配準(zhǔn)概率模型影響了算法的準(zhǔn)確性和魯棒性。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種改進(jìn)的魯棒性點(diǎn)配準(zhǔn)方法及系統(tǒng)，在配準(zhǔn)整體點(diǎn)集合的同時(shí)，保持了局部點(diǎn)集之間的對應(yīng)一致性，提高了點(diǎn)集配準(zhǔn)的準(zhǔn)確性，同時(shí)提高了存在異常點(diǎn)時(shí)算法的魯棒性。

為達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：一種改進(jìn)的魯棒性點(diǎn)配準(zhǔn)方法，包括：a、給定兩個(gè)點(diǎn)集合，并對配準(zhǔn)模型參數(shù)進(jìn)行初始化并賦初值；b、基于點(diǎn)局部結(jié)構(gòu)保持理論，求解兩個(gè)點(diǎn)集合中局部點(diǎn)對間匹配一致性的先驗(yàn)概率；c、基于混合概率模型及步驟b獲取的先驗(yàn)概率進(jìn)一步求解后驗(yàn)概率；d、基于步驟c獲取的后驗(yàn)概率進(jìn)一步求解配準(zhǔn)模型的變形參數(shù)；e、基于步驟d獲取的變形參數(shù)重新排列兩個(gè)點(diǎn)集合中的點(diǎn)；f、重復(fù)步驟b～e，直至配準(zhǔn)模型收斂，輸出兩個(gè)點(diǎn)集合之間的對應(yīng)關(guān)系。

進(jìn)一步地，所述混合概率模型的聯(lián)合概率密度函數(shù)為：

其中，是模型參數(shù)，參數(shù)表示第i個(gè)點(diǎn)屬于第j個(gè)高斯成分的概率。

進(jìn)一步地，在所述步驟b中，通過以下公式求解兩個(gè)點(diǎn)集合中局部點(diǎn)對間匹配一致性的先驗(yàn)概率：

其中，表示為的鄰域點(diǎn)，為鄰域點(diǎn)的個(gè)數(shù)。

進(jìn)一步地，在所述步驟c中，通過以下公式求解后驗(yàn)概率：

其中，U是一個(gè)均勻分布。

進(jìn)一步地，在所述步驟d中，通過以下公式求解混合概率模型的模型變形參數(shù)：

其中，G是高斯基函數(shù)，W是變形參數(shù)，為模型高斯成分的方差。

一種改進(jìn)的魯棒性點(diǎn)配準(zhǔn)系統(tǒng)，包括：第一模塊，用于給定兩個(gè)點(diǎn)集合，并對配準(zhǔn)模型參數(shù)進(jìn)行初始化并賦初值；第二模塊，用于基于點(diǎn)局部結(jié)構(gòu)保持理論，求解兩個(gè)點(diǎn)集合中局部點(diǎn)對間匹配一致性的先驗(yàn)概率；第三模塊，用于基于混合概率模型及步驟b獲取的先驗(yàn)概率進(jìn)一步求解后驗(yàn)概率；第四模塊，用于基于第三模塊獲取的后驗(yàn)概率進(jìn)一步求解配準(zhǔn)模型的變形參數(shù)；第五模塊，用于基于第四模塊獲取的變形參數(shù)重新排列兩個(gè)點(diǎn)集合中的點(diǎn)；第六模塊，用于配準(zhǔn)模型收斂后，輸出兩個(gè)點(diǎn)集合之間的對應(yīng)關(guān)系。