[发明专利]一种基于不变矩的图形畸变分析方法

摘要

一种基于不变矩的图形畸变分析方法，包括：1)选择合适的矩不变量：在动态形体模型中，使用点分布模型表示图像中的对象轮廓；2)模型畸变的主动检测方法：2.1)对动态形体模型中的PDM，其中，每一个标注点都有相应的权重，根据权重将一个PDM分解为子图形；2.2)计算训练集中每个子图形和模型在设定范围内进行变形后每一个子图形的边界矩不变量；然后计算这些边界矩不变量的聚类中心值；2.3)进行模型的畸变检测的步骤为：①将变形后的模型按照预先定义的分块策略进行分块；②计算每个子图形的边界矩不变量；③根据式(2)(3)(4)计算每个子图形的畸变概率；3)模型畸变的主动修正方法。本发明在搜索过程中，能有效检测并修正畸变，可靠性好。

主权项

1、一种基于不变矩的图形畸变分析方法，其特征在于：所述分析方法包括：1)、选择合适的矩不变量：在动态形体模型中，使用点分布模型表示图像中的对象轮廓，选择以下六个等式作为描述对象轮廓的矩不变量：φ1＝(η30-3η12)(η03+η21)[(η30+η12)2-3(η03+η21)2]+(3η21-η03)(η21+η03)×[3(η30+η12)2-(η21+η03)2]φ3＝3(η21-η03)(η30+η12)[(η30+η12)2-3(η03+η21)2]+(3η12-η30)(η21+η03)×[3(η30+η12)2-(η21+η03)2]${\phi }_4=({\eta }_{40}-6{\eta }_{22}+{\eta }_{04})[{({\eta }_{40}-{\eta }_{04})}^2-4{({\eta }_{31}+{\eta }_{13})}^2]+16({\eta }_{40}-{\eta }_{04})({\eta }_{31}^2-{\eta }_{13}^2)\phi 5＝(\eta 31-\eta 13)[(\eta 40-\eta 04)2-4(\eta 31+\eta 13)2]-(\eta 40-\eta 04)(\eta 31+\eta 13)(\eta 40-6\eta 22+\eta 04)$ {\phi }_6={\eta }_{40}{\eta }_{22}{\eta }_{04}-2{\eta }_{31}{\eta }_{22}{\eta }_{13}-{\eta }_{40}{\eta }_{13}^2-{\eta }_{04}{\eta }_{31}^2-{\eta }_{22}^3---\left(1\right)上式中，\phi i(i＝1...6)表示六个矩不变量，\eta jk表示第j+k阶中心矩；2)、模型畸变的主动检测方法：2.1)、对动态形体模型中的点分布模型PDM，其中，每一个标注点都有相应的权重，根据权重将一个PDM分解为子图形；每一个子图形都是由权重相近的标注点组成，每个子图形至少包含三个标注点，每个子图形的标注点不超过6个；2.2)、计算训练集中每个子图形和模型在设定范围内进行变形后每一个子图形的边界矩不变量；然后计算这些边界矩不变量的聚类中心值；假设子图形的边界矩不变量在每个聚类中心附近符合高斯分布，则每个聚类中心是高斯分布的均值\mu ij，然后计算高斯分布的方差\sigma ij；其中i表示第i个子图形，j表示第i个子图形的第j个聚类中心；对于任意一个子图形的边界矩不变量，首先采用式(2)来计算其相对于该子图形所有聚类形成的高斯分布的概率：$ f_{\mathrm{ij}}\left(X\right)=\frac{1}{{\sigma }_{\mathrm{ij}}\sqrt{2\pi }}{e}^{-{(X-{\mu }_{\mathrm{ij}})}^2/\left(2{\sigma }_{\mathrm{ij}}^2\right)}---\left(2\right)然后，定义这个子图形相对每一个聚类的畸变概率如下：Dij(X)＝1-fij(X)\; i(1，m)，(1，n)\; (3)上式中，m是子图形的个数，n是每个子图形的聚类数目；最后取Dij中最小的值作为该子图形最终的畸变概率：Di(X)＝min(Dij(X))i(1，m)，j(1，n)\; (4)2.3)、进行模型的畸变检测的步骤为：①、将变形后的模型按照预先定义的分块策略进行分块；②、计算每个子图形的边界矩不变量；③、根据式(2)(3)(4)计算每个子图形的畸变概率。$$$