面向聚类点集的相干点漂移算法
计算机视觉与模式识别
2018-12-17 v1
摘要
非刚性点集配准问题是许多计算机视觉任务的关键问题。在许多情况下，数据的性质或点检测算法的能力可以给我们一些关于点集分布的先验信息。在非刚性情形下，该信息能够通过限制可能解的数量来大幅改善配准结果。本文探讨利用关于点集聚类的先验信息，此类信息可通过初步分割获得。我们扩展了用于拟合两级高斯混合模型的现有概率框架，并推导了 EM 算法最大化步的闭式解。这使我们能够在几乎不损失性能的情况下提高方法精度。我们评估了我们的方法，并将聚类相干点漂移与其他现有非刚性点集配准方法进行比较，展示了其在数字医疗任务中的优势，特别是利用患者医疗数据实现心脏模板模型个性化。
引用
@article{arxiv.1812.05869,
title = {The Coherent Point Drift for Clustered Point Sets},
author = {Dmitry Lachinov and Vadim Turlapov},
journal= {arXiv preprint arXiv:1812.05869},
year = {2018}
}