换一批摘要考虑高斯混合模型(TMM)的点集非刚性配准算法易受异常点和重尾点的影响,提出了基于t分布混合模型的运动一致性非刚性配准算法.通过期望最大化(EM)框架的完整数据定义将高斯混合模型推广为t分布混合模型,使用EM算法最小化参数的条件期望获得非刚性配准参数的闭合解.在EM算法中计算浮动点集各个点的先验权重,减小异常点和重尾点对配准结果的影响；计算浮动点集各个点的自由度,自适应地改变每个点的概率密度分布模型,提高算法的鲁棒性,并避免了异常点水平估计误差对配准结果的影响.在t分布混合模型的条件期望函数中加入点集位移的正则项,使邻近点具有运动一致性(CPD).仿真数据表明,当噪声水平很高时,TMM-CPD仍可以精确配准点集,且误差仅为对比算法的1/10.真实图像的近似椭圆状分布、管状分布和三维点云状分布的点集配准结果表明,TMM-CPD的配准误差仅为对比算法的42.0％、80.1％和77.5％.实验表明,TMM-CPD配准含有重尾点和异常点的点集,具有精度高、鲁棒性好和受重尾点与异常点干扰小等优点.
更多相关知识
关键词
T分布混合模型特征点配准非刚性配准期望最大化算法T-distribution Mixture Model(TMM)feature point registrationnon-rigid registrationExpectation Maximazation(EM) algorithm
分类号
TP391
栏目名称
DOI
10.3788/OPE.20132109.2405
发布时间
2013-10-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
三维成像和诊断关键技术研究计划资助项目（KGCX-YW-909-1）；
中科院知识创新工程资助项目（BK2011331）；
江苏省基础研究计划资助项目（Y053011305）；
苏州医工所二期建设重大项目
- 浏览0
- 被引12
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
