无对应关系的二维统计形状模型的 Procrustes 配准
计算机视觉与模式识别
2019-11-28 v2 机器学习
摘要
统计形状模型是图像处理和计算机视觉中的有用工具。通常对同一形状的轮廓进行 Procrustes 配准以对齐训练样本来学习统计形状模型。两个具有已知对应关系的轮廓间的 Procrustes 配准是直接的。然而，这些对应关系通常不可用。手动放置的地标常用于统计形状模型设计中的对应。但是，在轮廓上确定手动地标耗时且易出错。同时寻找对应和配准的一个解决方案是迭代最近点（ICP）算法。然而，ICP 需要接近配准的轮廓初始位置，且对离群点不鲁棒。我们提出一种基于动态时间规整的新策略，可高效解决无对应关系的 Procrustes 配准问题。我们在多个不同形状数据集上研究配准性能，表明我们的技术优于基于 ICP 方法的竞争技术。我们的策略作为广义 Procrustes 分析的扩展应用于同一形状的轮廓集合，以处理缺乏对应关系的情况。
引用
@article{arxiv.1911.11431,
title = {Procrustes registration of two-dimensional statistical shape models without correspondences},
author = {Alma Eguizabal and Peter J. Schreier and Jürgen Schmidt},
journal= {arXiv preprint arXiv:1911.11431},
year = {2019}
}