Punkt distributionsmodel

Karina Gabriel August 8, 2016 P 0 0
FONT SIZE:
fontsize_dec
fontsize_inc

Pointen distributionsmodel er en model til at repræsentere den gennemsnitlige geometri en form og nogle statistiske former for geometrisk variation udledes et træningssæt af former.

Baggrund

Det er blevet udviklet af Cootes, Taylor et al. og blev en standard i computer vision for den statistiske undersøgelse af form og for segmentering af medicinske billeder, hvor form Priors virkelig hjælper fortolkning af støjende og lav-kontrast pixels / voxel. Det sidste punkt fører til aktive form modeller og aktive udseende modeller.

Punkt distributionsmodeller afhængige skelsættende punkter. En milepæl er en kommentering punkt udgøres af en anatom på et givet locus for hver form eksempel tværs træningssættet befolkning. For eksempel vil det samme skelsættende udpege spidsen af ​​pegefingeren i et træningssæt af 2D hænder konturer. Principal komponent analyse, for eksempel, er et relevant redskab til at studere korrelationer af bevægelse mellem grupper af landemærker blandt træningssættet befolkning. Typisk kan det opdage, at alle de seværdigheder der ligger langs den samme finger flytte præcis sammen på tværs af uddannelse sæt eksempler, der viser forskellige finger afstand for en flad-stillet hænder kollektion.

Detaljer

Først et sæt af uddannelse billeder manuelt fredede med nok tilsvarende vartegn i tilstrækkelig grad tilnærme geometrien af ​​de oprindelige former. Disse vartegn er afstemt ved hjælp af den generaliserede Procrustes analyse, som minimerer mindste kvadrerede fejl mellem punkterne.

 justeret vartegn i to dimensioner er givet som

Det er vigtigt at bemærke, at hver milepæl skal repræsentere den samme anatomiske placering. For eksempel, skelsættende # 3, kan udgøre spidsen af ​​ringfingeren på tværs af alle træning billeder.

Nu formen konturer er reduceret til sekvenser af seværdigheder, således at en given uddannelse form er defineret som vektoren. Antages spredningen er gaussisk i dette rum, er PSA bruges til at beregne normaliserede egenvektorer og egenværdier af kovariansmatricen på tværs af alle uddannelser former. Gives matrixen af ​​de øverste egenvektorer som, og hver egenvektor beskriver en hovedvirkningsmåde variation langs sættet.

Endelig er en lineær kombination af egenvektorerne anvendes til at definere en ny form, matematisk defineret som:

hvor er defineret som middelværdien form i alle uddannelses- billeder, og er en vektor af skalering værdier for hver hovedkomponent. Derfor kan ved at modificere den variable defineres et uendeligt antal former. For at sikre, at de nye former er alle inden for variationen ses i træningssættet, er det almindeligt at kun tillade hvert enkelt element i at være inden for 3 standardafvigelser, hvor standardafvigelsen for en given hovedkomponent er defineret som kvadratroden af ​​dens tilsvarende egenværdi.

PDM s kan udvides til et hvilket som helst vilkårligt antal dimensioner, men anvendes typisk i 2D-billede og 3D volumen applikationer.

Diskussion

En egenvektor, fortolket i euklidisk rum, kan ses som en sekvens af euklidiske vektorer forbundet til tilsvarende vartegn og udpegning en forbindelse træk for hele form. Global-lineær variation er normalt godt håndteret forudsat lineær variation holdes på et rimeligt niveau. Typisk er en vridning nematode orm bruges som eksempel i undervisningen i kernen PCA-baserede metoder.

På grund af de PCA egenskaber: egenvektorer er indbyrdes ortogonale, dannes på basis af træningssættet skyen i form plads, og krydser på 0 i dette rum, som repræsenterer den gennemsnitlige form. Også PCA er en traditionel måde at montere en lukket ellipsoide til en Gauss sky af punkter: dette tyder begrebet afgrænset variation.

Ideen bag PDM s er, at egenvektorer kan lineært kombineres for at skabe en uendelighed af nye form forekomster, der vil "ligner" den i træningssættet. Koefficienterne er afgrænset ens værdierne af de tilsvarende egenværdier, således at det sikres den genererede 2n / 3n-dimensional prik vil forblive i hyper-ellipsoide tilladt domæne tilladte form domæne.

  Like 0   Dislike 0
Forrige artikel Ricky Wells
Næste artikel Sean Young
Kommentarer (0)
Ingen kommentar

Tilføj en kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Tegn tilbage: 3000
captcha