CN103699789B - 形状对应方法及装置 - Google Patents
形状对应方法及装置 Download PDFInfo
- Publication number
- CN103699789B CN103699789B CN201310695802.4A CN201310695802A CN103699789B CN 103699789 B CN103699789 B CN 103699789B CN 201310695802 A CN201310695802 A CN 201310695802A CN 103699789 B CN103699789 B CN 103699789B
- Authority
- CN
- China
- Prior art keywords
- correspondingly
- shaped
- shape
- similar matrix
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
一种形状对应方法,包括以下步骤:构造待对应形状的排列相似矩阵和特征相似矩阵;根据所述排列相似矩阵和特征相似矩阵构建联合相似矩阵;对所述联合相似矩阵进行谱分解,得到联合谱嵌入坐标;根据所述联合谱嵌入坐标对所述待对应形状作形状对应。本发明还提供一种形状对应装置。上述形状对应方法及装置,由排列相似矩阵和特征相似矩阵构建联合相似矩阵,根据联合相似矩阵进行谱分解,得到联合谱嵌入坐标,再根据联合谱嵌入坐标作形状对应,不需要对谱坐标作对齐操作,计算量小,效率高。
Description
技术领域
本发明涉及信息技术领域,特别是涉及一种形状对应方法及装置。
背景技术
形状对应是指在不同的模型之间建立有意义的对应关系。当前,在给定的模型之间寻找精确的对应依然是一项十分具有挑战性的工作,因为它需要同时考虑形状的低层次的几何属性和高层次的结构信息,同时也必须克服形状间的差异性对算法稳定性的干扰,例如尺度差异、朝向差异、数据缺失以及局部形变等等。
传统的形状对应算法可以大致分为基于刚体形变(Rigid Deformation)和非刚体形变(Non-rigid Deformation)的对应。目前应用广泛的形状间的对应问题,例如不同姿式的人或动物之间的对应,都具有对应点间测地距离不变性质。基于等距形变的对应算法也是当前研究的主流。
谱方法通常指用形状的谱坐标来表示它的描述符,是一种重要的寻找对应的方法。该方法主要由两部分组成,即:将形状嵌入到谱空间,以及在嵌入空间中计算对应关系。为了能很好的将形状嵌入到谱空间中,通常的方法是先基于形状的测地距离信息构造一个点到点的相似矩阵,然后通过对该相似矩阵作谱分解,得到每一点在谱空间中的坐标值。在计算对应关系时,如果直接使用谱空间坐标值按传统方法求对应,则存在符号反转和乱序情况,可能会导致错误结果,因此有采用暴力搜索(Brute force search)或贪婪搜索(Greedy search)的对齐操作来解决不同谱间的符号反转和特征值乱序问题,虽然能得到合理的结果,但是计算量大,效率低。
发明内容
基于此,有必要针对基于传统谱方法的形状对应计算量大、效率低的问题,提供一种计算量小、效率高的形状对应方法。
此外,还提供一种形状对应装置。
一种形状对应方法,包括以下步骤:
构造待对应形状的排列相似矩阵和特征相似矩阵;
根据所述排列相似矩阵和特征相似矩阵构建联合相似矩阵;
对所述联合相似矩阵进行谱分解,得到联合谱嵌入坐标;
根据所述联合谱嵌入坐标对所述待对应形状作形状对应。
在其中一个实施例中,所述构造待对应形状的排列相似矩阵和特征相似矩阵的步骤中,所述构造待对应形状的排列相似矩阵的步骤包括:
使用测地距离度量待对应形状内两个特征点的内蕴距离;
采用高斯函数映射所述内蕴距离,构造待对应形状的排列相似矩阵。
在其中一个实施例中,所述构造待对应形状的排列相似矩阵和特征相似矩阵的步骤中,所述构造待对应形状的特征相似矩阵的步骤包括:
使用热核描述符度量待对应形状间两个特征点的局部属性相似距离;
根据所述局部属性相似距离构造带对应形状的特征相似矩阵。
在其中一个实施例中,所述根据所述联合谱嵌入坐标对所述待对应形状作形状对应的步骤包括:
根据所述联合谱嵌入坐标,得到所述待对应形状间特征点的对应映射函数;
最小化所述对应映射函数,得到形状对应结果;
根据所述形状对应结果对所述待对应形状作形状对应。
在其中一个实施例中,根据所述联合谱嵌入坐标,得到所述待对应形状间特征点的对应映射函数的步骤具体为:根据所述联合谱嵌入坐标,采用欧式距离度量所述待对应形状间特征点的对应映射函数。
一种形状对应装置,包括:
第一构造模块,用于构造待对应形状的排列相似矩阵和特征相似矩阵;
第二构造模块,用于根据所述排列相似矩阵和特征相似矩阵构建联合相似矩阵;
谱分解模块,用于对所述联合相似矩阵进行谱分解,得到联合谱嵌入坐标;
形状对应模块,用于根据所述联合谱嵌入坐标对所述待对应形状作形状对应。
在其中一个实施例中,所述第一构造模块包括:
空间排列距离度量模块,用于使用测地距离度量待对应形状内两个特征点的内蕴距离;
排列相似矩阵构建模块,用于采用高斯函数映射所述内蕴距离,构造待对应形状的排列相似矩阵。
在其中一个实施例中,所述第一构造模块包括:
局部属性相似距离度量模块,用于使用热核描述符度量待对应形状间两个特征点的局部属性相似距离;
特征相似矩阵构造模块,用于根据所述局部属性相似距离构造待对应形状的特征相似矩阵。
在其中一个实施例中,所述形状对应模块包括:
函数构建模块,用于根据所述联合谱嵌入坐标,得到所述待对应形状间特征点的对应映射函数;
求值模块,用于最小化所述对应映射函数,得到形状对应结果;
特征对应模块,用于根据所述形状对应结果对所述待对应形状作形状对应。
在其中一个实施例中,所述函数构建模块用于根据所述联合谱嵌入坐标,采用欧式距离度量所述待对应形状间特征点的对应函数。
上述形状对应方法及装置,由排列相似矩阵和特征相似矩阵构建联合相似矩阵,根据联合相似矩阵进行谱分解,得到联合谱嵌入坐标,再根据联合谱嵌入坐标作形状对应,不需要对谱坐标作对齐操作,计算量小,效率高。
附图说明
图1为一实施方式的形状对应方法流程图;
图2为一实施方式的形状对应装置的结构示意图;
图3为采用一实施方式的形状对应方法得到的形状对应结果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
请参阅图1,一实施方式的形状对应方法,包括以下步骤:
S110、构造待对应形状的排列相似矩阵和特征相似矩阵。
其中,构造待对应形状的排列相似矩阵的步骤包括:
使用测地距离度量待对应形状内两个特征点的内蕴距离(Intrinsic distance,测地距离是内蕴距离的一种);
采用高斯函数映射该内蕴距离,构造待对应形状的排列相似矩阵。
具体的,假设其中一个待对应形状为S,特征点为待对应形状S上的第i个采样点,特征点为待对应形状S上的第j个采样点,σs为待对应形状S上所有测地距离中最大的测地距离,为特征点和特征点的测地距离,采用高斯函数构造待对应形状S的排列相似矩阵则
上述排列相似矩阵可以反映出每个待对应形状上特征点的空间排列。如果待对应形状上两个特征点的内蕴距离比较小,则它们在谱空间中的嵌入距离也相对较近。且使用测地距离度量待对应形状内的内蕴距离,能得到扭曲不变的表示。而采用高斯函数映射该内蕴距离,能支持伸缩不变形。
其中,构造待对应形状的特征相似矩阵的步骤包括:
使用热核描述符度量待对应形状间两个特征点的局部属性相似距离;
根据该局部属性相似距离构造待对应形状的特征相似矩阵。
上述特征相似矩阵可以反映出待对应形状间两个特征点的局部属性相似距离。
S120、根据上述排列相似矩阵和特征相似矩阵构建联合相似矩阵。
具体的,以待对应形状的排列相似矩阵填充该联合相似矩阵的对角,以特征相似矩阵填充该联合相似矩阵的反对角。
由于该联合相似矩阵是基于排列相似矩阵和特征相似矩阵构造的,因此该联合相似矩阵同时包含待对应形状内特征点的排列相似性和待对应形状间特征点的特征相似性。
S130、对上述联合相似矩阵进行谱分解,得到联合谱嵌入坐标。
由于上述联合相似矩阵同时包含待对应形状内特征点的排列相似性和待对应形状间特征点的特征相似性,因此通过对上述联合相似矩阵进行谱分解,得到的联合谱嵌入坐标也包含了待对应形状内特征点的排列相似性和待对应形状间特征点的特征相似性。
即在联合谱嵌入空间中,待对应形状内特征点之间的测地距离比较小,则它们在联合谱嵌入空间中的嵌入距离也相对较近。待对应形状间特征点的局部属性相似距离较小,则它们在联合谱嵌入空间中的嵌入距离也相对较近。
S140、根据上述联合谱嵌入坐标对所述待对应形状作形状对应。
首先,根据上述联合谱嵌入坐标,得到待对应形状间特征点的对应映射函数。然后,最小化该对应映射函数,得到形状对应结果。最后,根据该形状对应结果,对上述待对应形状作形状对应。
具体的,假设待对应形状分别为S和T,则Ks为待对应形状S上的特征点,KT为待对应形状T上的特征点,φ:KT→KS表示为双向映射函数,即特征点Ks和特征点KT的对应映射。对上述联合相似矩阵进行谱分解后得到特征点Ks在联合谱嵌入空间的嵌入点US和特征点KT在联合谱嵌入空间的嵌入点UT。采用欧氏距离度量嵌入点US和嵌入点UT的对应映射函数,最小化该对应映射函数,得到形状对应结果。
最小化该对应映射函数可以表示为:
其中,指嵌入空间中US的第i个特征点,指通过映射φ(i)映射到UT空间中的点,指映射过程中,最小映射代价函数,这里具体采用欧氏距离定义。
请参阅图2,一实施方式的形状对应装置200,包括第一构造模块210、第二构造模块220、谱分解模块230和形状对应模块240。
其中,第一构造模块210包括空间排列距离度量模块2102、排列相似矩阵构建模块2104、局部属性相似距离度量模块2106和特征相似矩阵构造模块2108。第一构造模块210,用于构造待对应形状的排列相似矩阵和特征相似矩阵。
空间排列距离度量模块2102,用于使用测地距离度量待对应形状内两个特征点的内蕴距离。
排列相似矩阵构建模块2104,用于采用高斯函数映射上述内蕴距离,构造待对应形状的排列相似矩阵。
具体的,假设其中一个待对应形状为S,特征点为待对应形状S上的第i个采样点,特征点为待对应形状S上的第j个采样点,σs为待对应形状S上所有测地距离中最大的测地距离,为特征点和特征点的测地距离,采用高斯函数构造待对应形状S的排列相似矩阵则
局部属性相似距离度量模块2106,用于使用热核描述符度量待对应形状间两个特征点的局部属性相似距离。
特征相似矩阵构造模块2108,用于根据上述局部属性相似距离构造待对应形状的特征相似矩阵。
第二构造模块220,用于根据上述排列相似矩阵和特征相似矩阵构建联合相似矩阵。
谱分解模块230,用于对上述联合相似矩阵进行谱分解,得到联合谱嵌入坐标。
形状对应模块240包括函数构建模块2402,求值模块2404和特征对应模块2406。形状对应模块240,用于根据上述联合谱嵌入坐标对待对应形状作形状对应。
函数构建模块2402,用于根据上述联合谱嵌入坐标,得到待对应形状间特征点的对应映射函数。
求值模块2404,用于最小化上述对应映射函数,得到形状对应结果。
特征对应模块2406,用于根据上述形状对应结果对待对应形状作形状对应。
具体的,假设待对应形状分别为S和T,则Ks为待对应形状S上的特征点,KT为待对应形状T上的特征点,φ:KT→KS表示特征点Ks和特征点KT的对应映射。对上述联合相似矩阵进行谱分解后得到特征点Ks在联合谱嵌入空间的嵌入点US和特征点KT在联合谱嵌入空间的嵌入点UT。采用欧氏距离度量嵌入点US和嵌入点UT的对应映射函数,最小化该对应映射函数,得到形状对应结果。
最小化该对应映射函数可以表示为:
上述形状对应方法及装置,由排列相似矩阵和特征相似矩阵构建联合相似矩阵,根据联合相似矩阵进行谱分解,得到联合谱嵌入坐标,再根据联合谱嵌入坐标作形状对应,不需要对谱坐标作对齐操作,计算量小,效率高。
图3为采用一实施方式的形状对应方法得到的形状对应结果图。图3中的待对应形状模型均含3000~20000个顶点,对于两个待对应形状模型,采样约200个特征点,使用TOSCA非刚体数据集,普林斯顾标准数据集和SCAPE模型数据集的网格模型评估形状对应结果,发现能够得到合理的结果,且计算量小,效率高。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种形状对应方法,包括以下步骤:
使用测地距离度量待对应形状内两个特征点的内蕴距离;
采用高斯函数映射所述内蕴距离,构造待对应形状的排列相似矩阵;
使用热核描述符度量待对应形状间两个特征点的局部属性相似距离;
根据所述局部属性相似距离构造待对应形状的特征相似矩阵;
根据所述排列相似矩阵和特征相似矩阵构建联合相似矩阵;
对所述联合相似矩阵进行谱分解,得到联合谱嵌入坐标;
根据所述联合谱嵌入坐标对所述待对应形状作形状对应。
2.如权利要求1所述的形状对应方法,其特征在于,所述根据所述联合谱嵌入坐标对所述待对应形状作形状对应的步骤包括:
根据所述联合谱嵌入坐标,得到所述待对应形状间特征点的对应映射函数;
最小化所述对应映射函数,得到形状对应结果;
根据所述形状对应结果对所述待对应形状作形状对应。
3.如权利要求2所述的形状对应方法,其特征在于,根据所述联合谱嵌入坐标,得到所述待对应形状间特征点的对应映射函数的步骤具体为:根据所述联合谱嵌入坐标,采用欧式距离度量所述待对应形状间特征点的对应映射函数。
4.一种形状对应装置,其特征在于,包括:
空间排列距离度量模块,用于使用测地距离度量待对应形状内两个特征点的内蕴距离;
排列相似矩阵构建模块,用于采用高斯函数映射所述内蕴距离,构造待对应形状的排列相似矩阵;
局部属性相似距离度量模块,用于使用热核描述符度量待对应形状间两个特征点的局部属性相似距离;
特征相似矩阵构造模块,用于根据所述局部属性相似距离构造待对应形状的特征相似矩阵;
第二构造模块,用于根据所述排列相似矩阵和特征相似矩阵构建联合相似矩阵;
谱分解模块,用于对所述联合相似矩阵进行谱分解,得到联合谱嵌入坐标;
形状对应模块,用于根据所述联合谱嵌入坐标对所述待对应形状作形状对应。
5.如权利要求4所述的形状对应装置,其特征在于,所述形状对应模块包括:
函数构建模块,用于根据所述联合谱嵌入坐标,得到所述待对应形状间特征点的对应映射函数;
求值模块,用于最小化所述对应映射函数,得到形状对应结果;
特征对应模块,用于根据所述形状对应结果对所述待对应形状作形状对应。
6.如权利要求5所述形状对应装置,其特征在于,所述函数构建模块用于根据所述联合谱嵌入坐标,采用欧氏距离度量所述待对应形状间特征点的对应函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310695802.4A CN103699789B (zh) | 2013-12-17 | 2013-12-17 | 形状对应方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310695802.4A CN103699789B (zh) | 2013-12-17 | 2013-12-17 | 形状对应方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103699789A CN103699789A (zh) | 2014-04-02 |
CN103699789B true CN103699789B (zh) | 2017-02-15 |
Family
ID=50361316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310695802.4A Active CN103699789B (zh) | 2013-12-17 | 2013-12-17 | 形状对应方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103699789B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255791A (zh) * | 2018-07-19 | 2019-01-22 | 杭州电子科技大学 | 一种基于图卷积神经网络的形状协同分割方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413310A (zh) * | 2013-08-15 | 2013-11-27 | 中国科学院深圳先进技术研究院 | 协同分割方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6630990B2 (en) * | 2001-06-05 | 2003-10-07 | Abbott Laboratories | Optical method and apparatus for red blood cell differentiation on a cell-by-cell basis, and simultaneous analysis of white blood cell differentiation |
-
2013
- 2013-12-17 CN CN201310695802.4A patent/CN103699789B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413310A (zh) * | 2013-08-15 | 2013-11-27 | 中国科学院深圳先进技术研究院 | 协同分割方法和装置 |
Non-Patent Citations (5)
Title |
---|
基于热核描述符的多层次内蕴对称检测;姜巍 等;《第九届中国计算机图形学大会论文集》;20121022;第49-50页 * |
基于相对形状上下文和谱匹配方法的点模式匹配算法;赵键 等;《电子与信息学报》;20101031;第32卷(第10期);第2287页 * |
基于轮廓的形状匹配方法研究;罗磊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100501(第5期);第14-15页 * |
形状匹配方法研究与展望;周瑜 等;《自动化学报》;20120630;第38卷(第6期);全文 * |
形状匹配综述;丁险峰 等;《自动化学报》;20010930;第27卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103699789A (zh) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764048B (zh) | 人脸关键点检测方法及装置 | |
CN108549873B (zh) | 三维人脸识别方法和三维人脸识别系统 | |
CN111784778B (zh) | 基于线性求解非线性优化的双目相机外参标定方法和系统 | |
CN106780582B (zh) | 基于纹理特征和颜色特征融合的图像显著性检测方法 | |
Cheng et al. | Remote sensing image matching by integrating affine invariant feature extraction and RANSAC | |
Fan et al. | Satellite image matching method based on deep convolutional neural network | |
CN106447707B (zh) | 一种图像实时配准方法及系统 | |
CN104424483A (zh) | 一种人脸图像的光照预处理方法、装置及终端 | |
Gonzalez-Diaz et al. | Neighborhood matching for image retrieval | |
CN107194984A (zh) | 移动端实时高精度三维建模方法 | |
WO2017107337A1 (zh) | 一种基于改进的按位替换法求矩阵三角分解的模块及方法 | |
CN103065321B (zh) | 一种图像特征点匹配模块的面向对象系统框架建立方法 | |
CN103294647A (zh) | 基于正交张量近邻保持嵌入的头相关传输函数降维方法 | |
CN115344727A (zh) | 基于法向球谐的大规模三维点云检索方法、装置及系统 | |
CN103699789B (zh) | 形状对应方法及装置 | |
CN110288026A (zh) | 一种基于度量关系图学习的图像分割方法及装置 | |
CN117274627A (zh) | 一种基于图像转换的多时相积雪遥感图像匹配方法及系统 | |
CN109887012B (zh) | 一种结合自适应搜索点集的点云配准方法 | |
CN115908112A (zh) | 一种面向低重叠率的点云配准方法 | |
CN114972460A (zh) | 一种结合图特征上下文匹配的点云配准方法 | |
CN104850646A (zh) | 一种针对单个不确定图的频繁子图挖掘方法 | |
CN112116640B (zh) | 一种基于OpenCL的双目立体匹配方法 | |
CN108846262A (zh) | 基于dft的rna二级结构距离计算构建系统发育树的方法 | |
WO2018233318A1 (zh) | 一种基于线面空间关系的迷宫求解方法 | |
Hui et al. | Power equipment segmentation of 3D point clouds based on geodesic distance with K-means clustering |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |