基于特征點(diǎn)擴(kuò)充及pca特征提取的asm定位算法
【專利摘要】本發(fā)明涉及一種基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,首先,采用等距插值的方法擴(kuò)充手工標(biāo)定的特征點(diǎn);其次,建立統(tǒng)計(jì)特征模型,提出采用主成分分析PCA處理特征點(diǎn)法線灰度信息代替原算法中的灰度值求導(dǎo),統(tǒng)計(jì)特征點(diǎn)的局部紋理特征;再而建立統(tǒng)計(jì)形狀模型,統(tǒng)計(jì)分析得到目標(biāo)形狀模型及形變的模板,最后采用相應(yīng)的搜索點(diǎn)與訓(xùn)練好的特征點(diǎn)的局部灰度特征之間的相似性度量作為匹配標(biāo)準(zhǔn),同時(shí)以多尺度的ASM搜索策略完成整個(gè)搜索匹配的過程統(tǒng)計(jì)特征點(diǎn)局部灰度特征。與傳統(tǒng)ASM算法相比,本發(fā)明的目標(biāo)定位精度和魯棒性都有了顯著的提高,實(shí)驗(yàn)數(shù)據(jù)顯示,平均定位誤差降低了38%以上。
【專利說明】基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種目標(biāo)定位算法,針對(duì)傳統(tǒng)ASM算法定位精度較低,模型容易收斂到錯(cuò)誤位置等問題,提出了一種基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法。
【背景技術(shù)】
[0002]目前,Cootes等人提出的活動(dòng)形狀模型ASM (Active Shape Model)是一種主流的目標(biāo)定位方法,它是一種基于點(diǎn)分布模型PDM (Point Distribution Model)的統(tǒng)計(jì)學(xué)習(xí)算法,允許待定位的目標(biāo)有一定程度的形變,它采用目標(biāo)的灰度信息指導(dǎo)形狀模型的匹配收斂,收斂速度較快,其主要思想是:
(1)建立統(tǒng)計(jì)形狀模型,首先,搜集相應(yīng)的目標(biāo)樣本,手工標(biāo)定目標(biāo)特征點(diǎn),得到形狀向量集并配準(zhǔn)對(duì)齊;然后,將對(duì)齊的形狀向量集進(jìn)行主成分分析(Principal ComponentAnalysis, PCA),得到目標(biāo)平均形狀模型和形變的模板;
(2)建立統(tǒng)計(jì)特征模型,采用對(duì)樣本法線采樣點(diǎn)進(jìn)行灰度值求導(dǎo)的方法構(gòu)建目標(biāo)特征點(diǎn)局部統(tǒng)計(jì)特征;
(3)目標(biāo)的搜索匹配,通過對(duì)目標(biāo)特征點(diǎn)的灰度信息進(jìn)行收斂匹配,從而實(shí)現(xiàn)目標(biāo)的定位。
[0003]但傳統(tǒng)的ASM算法也存在著一些不足,如定位精度不高,模型容易收斂匹配到錯(cuò)誤的位置等,造成這些不足的原因主要有以下兩個(gè)方面:
(1)傳統(tǒng)ASM算法利用手工標(biāo)定的特征點(diǎn)的灰度信息進(jìn)行匹配,手工標(biāo)定的特征點(diǎn)關(guān)于目標(biāo)的特征統(tǒng)計(jì)信息較少,僅利用手工標(biāo)定的特征點(diǎn)進(jìn)行目標(biāo)輪廓的收斂匹配容易使形狀模型收斂到錯(cuò)誤的位置;
(2)在ASM算法中,需要統(tǒng)計(jì)樣本特征點(diǎn)的局部灰度特征,傳統(tǒng)ASM算法以灰度值求導(dǎo)的方法進(jìn)行特征的統(tǒng)計(jì),并不能充分體現(xiàn)特征點(diǎn)的局部紋理特征,以灰度變化率作為匹配的依據(jù),定位精度較低。
[0004]針對(duì)傳統(tǒng)ASM算法中存在的不足,目前已有一些專家學(xué)者從不同方面提出了一些改進(jìn)方法。Froba等人提出以特征點(diǎn)處的梯度值作為ASM算法的模型統(tǒng)計(jì)信息,但目標(biāo)的定位精度并沒有太大的提高;Hamarneh等人結(jié)合Snake模型與傳統(tǒng)ASM算法,將Snake可產(chǎn)生光滑的、不間斷的邊界的特點(diǎn)和傳統(tǒng)ASM算法可產(chǎn)生與訓(xùn)練集相似的可變形狀模型的特點(diǎn)結(jié)合起來,從而實(shí)現(xiàn)在心臟圖像中的定位,該算法雖然比傳統(tǒng)ASM算法的定位精度要高,但耗時(shí)很長。
【發(fā)明內(nèi)容】
[0005]本發(fā)明的目的在于提供一種克服傳統(tǒng)ASM算法中存在的定位精度不高,模型容易收斂匹配到錯(cuò)誤的位置等問題,提出了一種基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法。
[0006]為實(shí)現(xiàn)上述目的,本發(fā)明的技術(shù)方案是:一種基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,包括如下步驟,
步驟SOl:將搜集好的訓(xùn)練樣本集進(jìn)行目標(biāo)特征點(diǎn)的手工標(biāo)定,并采用等距插值的方法進(jìn)行特征點(diǎn)的擴(kuò)充;
步驟S02:統(tǒng)計(jì)特征模型的建立:采用主成分分析PCA處理目標(biāo)特征點(diǎn)的法線采樣點(diǎn)的灰度信息,以灰度數(shù)據(jù)特征代替灰度變化率特征作為匹配的依據(jù),統(tǒng)計(jì)特征點(diǎn)的局部紋理特征;
步驟S03:統(tǒng)計(jì)形狀模型的建立:根據(jù)特征點(diǎn),將初步得到的形狀向量進(jìn)行配準(zhǔn)對(duì)齊操作,以每個(gè)形狀向量的平均坐標(biāo)、平均角度為基準(zhǔn),對(duì)每個(gè)形狀向量進(jìn)行平移、旋轉(zhuǎn)操作,然后對(duì)其進(jìn)行PCA處理,統(tǒng)計(jì)分析得到目標(biāo)形狀模型及形變的模板;
步驟S04:目標(biāo)輪廓的匹配:采用主成分分析PCA處理法線采樣點(diǎn)的灰度信息,在搜索匹配時(shí),采用相應(yīng)的搜索點(diǎn)與訓(xùn)練好的特征點(diǎn)的局部灰度特征之間的相似性度量作為匹配標(biāo)準(zhǔn),同時(shí)以多尺度的ASM搜索策略完成整個(gè)搜索匹配的過程。
[0007]在本發(fā)明實(shí)施例中,所述步驟SOl的特征點(diǎn)的擴(kuò)充過程包括如下步驟,
步驟S21:手工標(biāo)定特征點(diǎn),即標(biāo)定目標(biāo)物體輪廓的拐角點(diǎn)和T字型節(jié)點(diǎn);
步驟S22:以前后兩個(gè)標(biāo)定特征點(diǎn)之間目標(biāo)物體的輪廓呈線性變化的特性為依據(jù),分別在前后兩個(gè)手工標(biāo)定特征點(diǎn)之間進(jìn)行線性等距插值,從而實(shí)現(xiàn)樣本特征點(diǎn)的擴(kuò)充。
[0008]在本發(fā)明實(shí)施例中,所述步驟S02統(tǒng)計(jì)特征模型的建立,具體包括如下步驟,
步驟S41:計(jì)算樣本中每個(gè)特征點(diǎn)的法向采樣點(diǎn)灰度均值:
【權(quán)利要求】
1.一種基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,其特征在于:包括如下步驟, 步驟SOl:將搜集好的訓(xùn)練樣本集進(jìn)行目標(biāo)特征點(diǎn)的手工標(biāo)定,并采用等距插值的方法進(jìn)行特征點(diǎn)的擴(kuò)充; 步驟S02:統(tǒng)計(jì)特征模型的建立:采用主成分分析PCA處理目標(biāo)特征點(diǎn)的法線采樣點(diǎn)的灰度信息,以灰度數(shù)據(jù)特征代替灰度變化率特征作為匹配的依據(jù),統(tǒng)計(jì)特征點(diǎn)的局部紋理特征; 步驟S03:統(tǒng)計(jì)形狀模型的建立:根據(jù)特征點(diǎn),將初步得到的形狀向量進(jìn)行配準(zhǔn)對(duì)齊操作,以每個(gè)形狀向量的平均坐標(biāo)、平均角度為基準(zhǔn),對(duì)每個(gè)形狀向量進(jìn)行平移、旋轉(zhuǎn)操作,然后對(duì)其進(jìn)行PCA處理,統(tǒng)計(jì)分析得到目標(biāo)形狀模型及形變的模板; 步驟S04:目標(biāo)輪廓的匹配:采用主成分分析PCA處理法線采樣點(diǎn)的灰度信息,在搜索匹配時(shí),采用相應(yīng)的搜索點(diǎn)與訓(xùn)練好的特征點(diǎn)的局部灰度特征之間的相似性度量作為匹配標(biāo)準(zhǔn),同時(shí)以多尺度的ASM搜索策略完成整個(gè)搜索匹配的過程。
2.根據(jù)權(quán)利要求1所述的基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,其特征在于:所述步驟SOl的特征點(diǎn)的擴(kuò)充過程包括如下步驟, 步驟S21:手工標(biāo)定特征點(diǎn),即標(biāo)定目標(biāo)物體輪廓的拐角點(diǎn)和T字型節(jié)點(diǎn); 步驟S22:以前后兩個(gè)標(biāo)定特征點(diǎn)之間目標(biāo)物體的輪廓呈線性變化的特性為依據(jù),分別在前后兩個(gè)手工標(biāo)定特征點(diǎn)之間進(jìn)行線性等距插值,從而實(shí)現(xiàn)樣本特征點(diǎn)的擴(kuò)充。
3.根據(jù)權(quán)利要求1所述的基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,其特征在于:所述步驟S02統(tǒng)計(jì)特征模型的建立,具體包括如下步驟, 步驟S41:計(jì)算樣本中每個(gè)特征點(diǎn)的法向采樣點(diǎn)灰度均值:
4.根據(jù)權(quán)利要求1所述的基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,其特征在于:所述步驟S03統(tǒng)計(jì)形狀模型M表示為:
5.根據(jù)權(quán)利要求1所述的基于特征點(diǎn)擴(kuò)充及PCA特征提取的ASM定位算法,其特征在于:所述步驟S04的目標(biāo)輪廓的匹配,具體為, 搜索點(diǎn)與訓(xùn)練好的特征點(diǎn)的局部灰度特征之間的相似性度量Cib表示為:
【文檔編號(hào)】G06K9/66GK103839050SQ201410068766
【公開日】2014年6月4日 申請(qǐng)日期:2014年2月28日 優(yōu)先權(quán)日:2014年2月28日
【發(fā)明者】郭太良, 徐勝, 姚劍敏, 林金堂, 林志賢, 葉蕓 申請(qǐng)人:福州大學(xué)