基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法
【專利摘要】本發(fā)明公開了一種有較高的形狀特征逼近精度，可有效提高配準(zhǔn)效率和精度的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，對于耳廓的三維掃描點(diǎn)云，基于平均曲率的高斯加權(quán)平均，計(jì)算耳廓點(diǎn)云上顯著性特征值，并對全部顯著性特征值降序排列；基于泊松采樣的排斥策略，優(yōu)化選擇三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)；基于二維主流形方法，對三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)鄰域內(nèi)的形狀信息進(jìn)行主成分分析，并擬合生成二維主流形曲面；將每個(gè)二維主流形曲面記為一個(gè)高維特征向量，基于線性降維方法對每個(gè)高維特征向量進(jìn)行壓縮，得到三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)的低維特征向量。
【專利說明】基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種三維耳廓形狀特征描述技術(shù)，尤其是一種具有較高的形狀特征逼近精度，可有效提高配準(zhǔn)效率和精度的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法。
【背景技術(shù)】
[0002]耳廓作為生物特征識(shí)別領(lǐng)域的新起之秀已經(jīng)得到了越來越多的關(guān)注。耳廓具有豐富的特征結(jié)構(gòu)，其凸起的耳輪、耳屏、耳垂之間以及凹陷的耳窩、耳舟、耳腔之間都為耳廓的局部特征描述帶來麻煩。
[0003]Islam等采用乘積型參數(shù)域上單值曲面擬合方法對耳廓的三維掃描點(diǎn)云鄰域#(^0，2α)內(nèi)的全部點(diǎn)進(jìn)行了擬合(即擬合曲面在參數(shù)域上的投影是單值的長方形區(qū)域)。該算法首先在XY平面上的參數(shù)區(qū)域上沿X和Y軸方向采樣，得到均勻分布的
個(gè)參數(shù)采樣網(wǎng)格，然后通過求解線性方程組尤估計(jì)個(gè)采樣點(diǎn)上的Z坐標(biāo)值，其中向量Z的維數(shù)是維，為沿平行于X軸的參數(shù)方向上的采樣點(diǎn)個(gè)數(shù)，砂為沿平行于Y軸的參數(shù)方向上的采樣點(diǎn)個(gè)數(shù)，矩陣A的維數(shù)是/?行列，其中為待擬合點(diǎn)云的個(gè)數(shù)，向量為/7維，對應(yīng)待擬合點(diǎn)云的Z坐標(biāo)值。由于該算法只能得到參數(shù)域上的單值曲面，無法表示折疊等復(fù)雜的曲面形狀，因此，使用該方法計(jì)算關(guān)鍵點(diǎn)周圍的局部形狀特征必然會(huì)產(chǎn)生精確度損失。另外該算法給出的單值曲面擬合方法在擬合不同掃描角度獲取的數(shù)據(jù)時(shí)，對同一耳廓的同一位置上，往往產(chǎn)生不同的擬合形狀，同樣影響形狀特征描述精度。
[0004]主流形是嵌入高維空間的非歐氏低維流形，即點(diǎn)集的非線性主成分和子空間的概括，在分子生物學(xué)分析、動(dòng)態(tài)系統(tǒng)分析等領(lǐng)域應(yīng)用比較廣泛。1984年Hastie將穿過數(shù)據(jù)中心的平滑曲線或曲面定義為主流形曲線或曲面，主流形上的每個(gè)點(diǎn)都是該點(diǎn)在原始點(diǎn)集中的局部平均，不同于其他的非線性擴(kuò)展，主流形具有形式簡單、自身一致性、幾何解釋清晰等特點(diǎn)。常用的線性降維方法PCA在處理多元正態(tài)分布的橢圓分布數(shù)據(jù)效果較好，但對一般的非線性數(shù)據(jù)結(jié)構(gòu)的效果比較差，比如二維、三次或高次多項(xiàng)式數(shù)據(jù)；同時(shí)，線性的主成分分析受隨機(jī)擾動(dòng)的影響也比較大。而以二維主流形應(yīng)用于非線性主成分分析方法，可較好地回避了上述缺陷，并能夠消除高維數(shù)據(jù)的統(tǒng)計(jì)冗余，降低了數(shù)據(jù)信息的損失。
[0005]但是，迄今為止還沒有關(guān)于基于局部顯著性與二維主流形對三維耳廓形狀特征進(jìn)行描述的相關(guān)報(bào)道。

【發(fā)明內(nèi)容】

[0006]本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種具有較高的形狀特征逼近精度，可有效提高配準(zhǔn)效率和精度的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法。
[0007]本發(fā)明的技術(shù)解決方案是:一種基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，其特征在于按如下步驟進(jìn)行:
a.對于耳廓的三維掃描點(diǎn)云，基于平均曲率的高斯加權(quán)平均，計(jì)算耳廓點(diǎn)云上顯著性特征值，并對全部顯著性特征值降序排列；
b.基于泊松采樣的排斥策略，優(yōu)化選擇三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)；
c.基于二維主流形方法，對三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)鄰域內(nèi)的形狀信息進(jìn)行主成分分析，并擬合生成二維流形曲面；
d.將每個(gè)二維流形曲面記為一個(gè)高維特征向量，基于線性降維方法對每個(gè)高維特征向量進(jìn)行壓縮，得到三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)的低維特征向量。
[0008]所述a步驟如下:對于耳廓的三維掃描點(diǎn)云集合K二Iri I V1 =Cri, yZ1) , 1=1,2，…，/?}，基于曲面第二基本形式對每一個(gè)點(diǎn)的主曲率進(jìn)行離散估計(jì)，記耳廓點(diǎn)云集合K上任意點(diǎn)\的兩個(gè)主曲率分別為ku和k2i，并記匕的平均曲率為Φ (Vj) = (kn+k2l) /2 ；以點(diǎn)
Ki為球心、以2 σ為半徑，基于kd-tree并行快速搜索建立點(diǎn)匕的鄰域點(diǎn)集#(匕，2 σ )，則鄰域#(& 2σ)內(nèi)各點(diǎn)的平均曲率高斯加權(quán)均值定義為:
【權(quán)利要求】
1.一種基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，其特征在于按如下步驟進(jìn)行: a.對于耳廓的三維掃描點(diǎn)云，基于平均曲率的高斯加權(quán)平均，計(jì)算耳廓點(diǎn)云上顯著性特征值，并對全部顯著性特征值降序排列； b.基于泊松采樣的排斥策略，優(yōu)化選擇三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)； c.基于二維主流形方法，對三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)鄰域內(nèi)的形狀信息進(jìn)行主成分分析，并擬合生成二維流形曲面； d.將每個(gè)二維流形曲面記為一個(gè)高維特征向量，基于線性降維方法對每個(gè)高維特征向量進(jìn)行壓縮，得到三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)的低維特征向量。
2.根據(jù)權(quán)利要求1所述的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，其特征在于所述a步驟如下:對于耳廓的三維掃描點(diǎn)云集合K=IFiIri =Cri,Λ., A)，i二I，2，…，/?}，基于曲面的第二基本形式對每一個(gè)點(diǎn)的主曲率進(jìn)行離散估計(jì)，記耳廓點(diǎn)云集合K上任意點(diǎn)Vf的兩個(gè)主曲率分別為4和^，并記Vj.的平均曲率為Φ {vx) = {kJ^k2l) /2 ;以點(diǎn)Vj為球心、以2 σ為半徑,基于kd-tree并行快速搜索建立點(diǎn)Vj的鄰域點(diǎn)集#(6，2 σ)，則鄰域#(& 2 σ)內(nèi)各點(diǎn)的平均曲率高斯加權(quán)均值定義為:
3.根據(jù)權(quán)利要求2所述的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，其特征在于所述b步驟如下:首先Sr1被標(biāo)記為第I個(gè)顯著性關(guān)鍵點(diǎn)并定義了以Sr1為球心、r為半徑的排斥鄰域SCsr1, r);之后檢測5.κ2,若Sr2在排斥鄰域內(nèi)，則丟棄Sr2,否則 被標(biāo)記為第2個(gè)關(guān)鍵點(diǎn)，并同樣定義一個(gè)排斥鄰域；在丟 或被標(biāo)記為第2個(gè)關(guān)鍵點(diǎn)后檢測Sr3,若A在排斥鄰域內(nèi)，則丟棄Sr3,否則A被標(biāo)記為下一個(gè)關(guān)鍵點(diǎn)，同樣定義一個(gè)排斥鄰域……重復(fù)該過程，直至獲得7個(gè)顯著性關(guān)鍵點(diǎn)，并將耳廓點(diǎn)集K的顯著性關(guān)鍵點(diǎn)集記為匕二如匕.1 IiSVi = QiXi, ky” kz)，i二1，2，…，<7 }。
4.根據(jù)權(quán)利要求3所述的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，其特征在于所述c步驟如下:對于顯著性關(guān)鍵點(diǎn)集Kf=R1STi I ksvj =Uxi, ky” kzt),i二1，2，…，q }內(nèi)的任意關(guān)鍵點(diǎn)Asri,對其鄰域2 σ )進(jìn)行主成分分析，得到三個(gè)主軸Ψ” Ψ2、W3AXNiksvi, 2σ)的質(zhì)心為中心，主軸％和％的方向?yàn)檫呴L方向，Niksvi, 2σ)在％和％上的投影長度為兩邊長度構(gòu)建矩形區(qū)域，對該區(qū)域沿％和Ψ2均勻采樣，采樣密度設(shè)置為b=a Xa，得到網(wǎng)格G,即初始化的主流形；將網(wǎng)格G表示為無向連通圖G=IX M，其中7={^.，i=l, 2，…，?}為網(wǎng)格G上無向連通圖的結(jié)點(diǎn)集合，萬=1^.，i=l, 2，…，W為網(wǎng)格G中無向邊的集合，設(shè)兩條無向的相鄰邊&.和￡^構(gòu)成了一個(gè)結(jié)構(gòu)TPi ={&.，今}，則將所有的結(jié)構(gòu)的集合記為/?={&，i=l, 2，…，r\ ； 記三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)鄰域2 σ)內(nèi)原耳廓點(diǎn)云的集合為i=l,2，…，?}，根據(jù)點(diǎn)A距離網(wǎng)格^上(個(gè)結(jié)點(diǎn)中的結(jié)點(diǎn)Λ.距離最近的分類原則，將集合產(chǎn)劃分為?個(gè)子集，記為和彳馬，i=l, 2，…，?},其中尤=I^7.:1 I I≤ \Pj~YdI 1.d=l, 2，…，1-1, i+l,..., ?; J=I, 2， 三維耳廓點(diǎn)云顯著性關(guān)鍵點(diǎn)鄰域Λ/認(rèn)Sb 2 σ)上擬合主流形曲面，即最小化能量函數(shù)U=Ur+UE+Us,其中，&控制主流形的宏觀位置，&控制主流形的面積，Ur控制主流形的平滑性，其定義分別為:
5.根據(jù)權(quán)利要求4所述的基于局部顯著性與二維主流形的三維耳廓形狀特征描述方法，其特征在于所述d步驟如下:首先將每個(gè)特征曲面網(wǎng)格的中心平移到原點(diǎn)，用PCA計(jì)算每個(gè)特征曲面網(wǎng)格的三個(gè)主軸，旋轉(zhuǎn)三個(gè)主軸分別與坐標(biāo)軸對齊，記對齊后特征曲面網(wǎng)格的高維特征向量為Zr.={xiP xi2,......, xib, yn, yi2,......,yib, zn, zi2,......, zib);采用線性降維方法將所得到的特征曲面向量映射到低維空間中；同時(shí)對于含有#個(gè)耳廓的耳廓庫中的每個(gè)耳廓均提取與全部顯著性關(guān)鍵點(diǎn)數(shù)量7相同的特征向量，共可得Nc=q X N個(gè)局部形狀特征向量，記做/Μ/；%}，尸的協(xié)方差矩陣計(jì)算如下:



【文檔編號(hào)】G06T7/00GK103985116SQ201410172959
【公開日】2014年8月13日 申請日期:2014年4月28日 優(yōu)先權(quán)日:2014年4月28日
【發(fā)明者】孫曉鵬, 王冠 申請人:遼寧師范大學(xué)