[发明专利]一种基于神经网络族的织物柔性运动重建方法

说明书

技术领域

本发明涉及基于动态图像序列的织物柔性运动重建领域，具体涉及织物柔性运动重建中利用神经网络族确定织物特征点邻域系从而克服运动重建不适定性问题的方法。

 

背景技术

在基于动态图像序列的织物柔性运动重建中，织物特征点邻域系的确定是最为关键的步骤。如果能够较好地确定织物特征点的邻域系，便能真正体现相邻织物特征点的运动平滑性，从而能构建良好的Gibbs随机场的基团函数，并利用Gibbs随机场克服运动重建过程中的不适定性问题，最后得到织物柔性运动的鲁棒重建结果。

目前，织物特征点邻域系的确定通常是在二维图像平面中进行的，其普遍的方法是：以某一织物特征点为中心，然后以一定的距离测度作为半径将所涵盖的织物特征点作为邻域系。对于运动重建而言，则根据所确定的邻域系构造随机场的基团函数以体现邻域系中织物特征点运动的相似性和平滑性。最后对随机场进行参数求解以获得织物柔性运动的求解结果。由于织物特征点的邻域系确定仅仅利用了织物特征点在二维图像中的坐标参数，所以这些方法存在以下明显的不足：

（1）不能真正反映织物特征点的相邻性。某些织物特征点在三维空间中的距离较远，而因为成像原因这些特征点在二维图像平面中的距离有可能非常近，这就有可能将这些织物特征点错误地确定为邻域系；

（2）邻域系确定错误后，随机场所构建的基团函数将不能有效反映织物特征点运动的相似性和平滑性，运动重建的不适定性问题也不能有效得到解决，从而得不到鲁棒的重建结果。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种基于神经网络族的织物柔性运动重建方法，通过神经网络族有效确定Gibbs随机场中的织物特征点邻域系，从而提高了柔性运动重建的鲁棒性。所述基于神经网络族的织物柔性运动重建方法，包括如下步骤：

（1） 输入帧间织物特征点已确定对应关系的织物运动图像序列；

（2） 建立三维空间中所述织物特征点运动的柔性运动模型；

（3） 根据织物特征点构建神经网络族以确定织物特征点的邻域系；

（4） 构建基于Gibbs随机场的所述织物柔性运动重建模型，得到要优化的目标函数；

（5） 利用模拟退火算法对所述目标函数进行求解，以获得织物柔性运动重建结果。

进一步的，第（2）步中，所述织物特征点在三维空间中的柔性运动变换关系可表示为：

                                                             （a-1）

三维空间中第i个织物特征点的柔性运动参数可以记为：

          （a-2）

     其中，设t时刻，第i个织物特征点的三维空间坐标为，运动后t+1时刻的第i个织物特征点的三维空间坐标为。

进一步的，在第（3）步中，首先将通过对所述织物特征点进行三角剖分并分析织物特征点的近邻特点，然后分析有关的约束条件，构建神经网络族确定织物特征点的邻域系。

进一步的，所述有关的约束条件包括：局部性约束、整体性约束和唯一性约束。

进一步的，所述神经网络族是由多个神经网络单元组成的，每个神经网络单元包括输入层和输出层。

进一步的，在第（4）步中，根据所述神经网络族所确定的邻域系，得到Gibbs随机场的基团。

进一步的，根据所述基团确定Gibbs随机场的能量函数，能量函数包含两项：似然能量和先验能量，根据织物柔性运动的特点来构造似然能量和先验能量，以便得到所述要优化的目标函数：后验能量；

所述后验能量由似然能量和先验能量构成，

              （a-11）

式中是权重系数，后验能量是要优化求解的目标函数。

进一步的，所述模拟退火算法包括退火过程和取样过程。

附图说明

图1为本发明织物柔性运动重建的流程框图；

 图2为本发明中相关织物特征点的邻域示意图；

 图3为本发明中相关织物特征点所组成的神经网络单元结构示意图。

 

具体实施方式

一种基于神经网络族的织物柔性运动重建方法，包括以下步骤：

（1）输入帧间织物特征点已确定对应关系的织物运动图像序列。