بهبود ساخت مدل شکل آماری بافتهای غیرصلب با کمک الگوریتم Coherent Point Drift
نویسندگان
چکیده مقاله:
مدلهای شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده میکنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکلهای مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعهی آموزش، یکیاز چالشهای مهم در ساخت مدل شکل آماری است. درین مقاله، از روش CPDجهت یافتن تناظر بین نقاط استفاده شد. درین روش، با ترکیب تناظر فازی، الگوریتم سرد شدن معین و انطباق غیرصلب دو شکل، تناظر بین نقاط به دست آمد. پساز یافتن نقاط متناظر، مدل شکل آماری با یک تبدیل صلب ایجاد شد. ارزیابی روش پیشنهادی با استفادهاز میزان فشردگی، قابلیّت تعمیم و اختصاصی بودن انجام شد. مدل ساخته شده به کمک روش پیشنهادی با مدلهای ساخته شده به روشهای TPS-RPM، ICP ،MDL مقایسه شد. نتایج نشان میدهد که مدل پیشنهادی در معیار اختصاصی بودن با مقدار 06/0±21/0 مانند روش MDL عمل میکند. در مورد معیارهای فشردگی و قابلیت تعمیم، نتایج به دست آمده با روش MDL مشابهت دارد. زمان متوسط اجرای الگوریتم در روش پیشنهادی 68 ثانیه است، در صورتیکه برای الگوریتم TPS-RPM390 ثانیه و برای الگوریتم MDL 3600 ثانیه است که برتری روش پیشنهادی را از نظر سرعت نشان میدهد. همچنین در روش پیشنهادی، نسبت به روشهای ICP وTPS-RPM عملکرد بهتری به دست آمد.
منابع مشابه
بهبود ساخت مدل شکل آماری بافتهای غیرصلب با کمک الگوریتم coherent point drift
مدل های شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده می کنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکل های مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعه ی آموزش، یکی از چالش های مهم در ساخت مدل شکل آماری است. درین مقاله، از روش cpd جهت یافتن تناظربین نقاط استفاده شد. درین روش، با ترکیب تناظر فازی، الگوریتم سرد شدن معین و انطباق غیرصلب دو شکل، تناظر ...
متن کاملNon-rigid point set registration: Coherent Point Drift
We introduce Coherent Point Drift (CPD), a novel probabilistic method for nonrigid registration of point sets. The registration is treated as a Maximum Likelihood (ML) estimation problem with motion coherence constraint over the velocity field such that one point set moves coherently to align with the second set. We formulate the motion coherence constraint and derive a solution of regularized ...
متن کامل3D non-rigid registration using color: Color Coherent Point Drift
Research into object deformations using computer vision techniques has been under intense study in recent years. A widely used technique is 3D non-rigid registration to estimate the transformation between two instances of a deforming structure. Despite many previous developments on this topic, it remains a challenging problem. In this paper we propose a novel approach to non-rigid registration ...
متن کاملGeneralised Coherent Point Drift for Group-Wise Registration of Multi-dimensional Point Sets
In this paper we propose a probabilistic approach to groupwise registration of unstructured high-dimensional point sets. We focus on registration of generalised point sets which encapsulate both the positions of points on surface boundaries and corresponding normal vectors describing local surface geometry. Richer descriptions of shape can be especially valuable in applications involving comple...
متن کاملTowards Deformable Shape Modeling of the Left Atrium Using Non-Rigid Coherent Point Drift Registration
Modeling the deformable shape of the left atrium is of strong interest for many applications in cardiac diagnosis and intervention. In this paper, we propose a method for left atrium shape modeling using non-rigid point cloud registration. In particular, we build upon the concept of Coherent Point Drift (CPD) registration that considers the alignment as a probability density estimation problem....
متن کاملA robust feature-based registration method of multimodal image using phase congruency and coherent point drift
This paper presents a new feature matching algorithm for nonrigid multimodal image registration. The proposed algorithm first constructs phase congruency representations (PCR) of images to be registered. Then scale invariant feature transform (SIFT) method is applied to capture significant feature points from PCR. Subsequently, the putative matching is obtained by the nearest neighbour matching...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 8 شماره 3
صفحات 213- 227
تاریخ انتشار 2014-09-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023