非刚体图像点集部分配准的快速鲁棒算法研究

点集配准作为图像配准的关键技术之一，是计算机视觉、模式识别和图像处理中一项极富挑战性的课题。针对非刚体图像点集中存在着缺失数据、离群点和形状噪声的部分配准问题，本研究旨在建立自动、精确、鲁棒且快速的全局和局部配准算法。以申请人已提出的全局尺度和仿射非刚体配准算法为基础，结合现有的刚体配准的研究成果，本研究将针对部分对应的点集，提出自动且精确的全局线性配准算法；分析全局非刚体配准算法的初值，提出一个初值估计方法以提高配准算法的鲁棒性，并通过对配准算法性能的分析提出更为快速的全局配准算法；基于全局配准算法的研究，提出快速且鲁棒的局部弹性配准算法。本研究所提算法框架具有一定的通用性，该研究成果可以广泛地应用于医学图像处理、机器人定位与地图创建、无人驾驶车辆的动态行驶环境重构、人体运动捕获与三维重建、人脸动画创作和数字化检测等诸多领域。

点集配准作为图像配准的关键技术之一，是计算机视觉、模式识别和图像处理中一项极富挑战性的课题。本课题针对非刚体图像点集中存在着缺失数据、离群点和形状噪声的部分配准问题，旨在建立自动、精确、鲁棒且快速的全局和局部配准算法及其相关的应用。本课题围绕部分配准算法及应用这一总体目标，结合国内外该领域的最新发展状况，首先研究鲁棒的刚体、尺度和仿射等配准算法，进而研究算法的初值和速度，最后将配准算法应用于地图拼接和人脸表情变换中，其主要研究成果包括：. 1）针对缺失数据和离群点的图像点集，提出了鲁棒的刚体配准算法，并用遗传算法估计了算法的初值以增强稳定性，最后将其应用于具有缺失数据和离群点的二维网格地图配准中，取得较好的配准结果；. 2）针对配准算法收敛域较窄的问题，提出了有旋转角度约束的刚体配准算法，并用主成分分析方法估计初值和约束条件以增强鲁棒性；. 3）提出了鲁棒的基于双向距离的尺度配准算法，该算法具有精度高，稳定性好的优点，它能有效地解决多移动机器人在创建地图过程中的地图拼接问题；. 4）针对具有缺失数据和离群点的尺度配准问题，结合双向距离的尺度配准算法，提出了精确且鲁棒的尺度配准算法；. 5）针对仿射配准的病态问题，提出了基于双向距离的仿射配准算法，并通过独立成分分析方法来估计初值，该算法具有精度高和稳定性好的特点；. 6）针对大规模点集配准速度慢的特点，提出了多尺度层级的配准算法以提高速度；在多尺度层级配准算法的基础上，提出了一种精确鲁棒的基于骨架的配准算法，并将其应用于地图点集的配准； . 7）针对多目标人脸多表情运动迁移困难的问题，通过尺度配准去除其尺度差异，提出了一种基于局部配准方法的分层式表情转移驱动方法；为利用统计方法进行人脸研究，提出了东方人脸库的自学习生长算法。. 项目组成员赴美国、日本开展学术交流及参加国际会议，主办并参加暑期学校1次，并与到访国外学者进行深入的交流。项目组在国内外学术刊物上共发表学术论文14篇，其中SCI检索8篇，申请和授权国家发明专利各1项，获陕西省科学技术奖二等奖1项；培养了1名博士后和3名博士，并有1名博士生和6名硕士生在读。项目主持人被评为西安交通大学优秀博士后，并于2011年12月被西安交通大学聘为副教授，项目组有两名博士生毕业后留校工作。