Spektrální analýza tvaru - Spectral shape analysis

Spektrální analýza tvarů se při porovnávání a analýze geometrických tvarů opírá o spektrum ( vlastní hodnoty a / nebo vlastní funkce ) operátora Laplace – Beltrami . Vzhledem k tomu, že spektrum operátoru Laplace – Beltrami je v izometrii neměnné , je velmi vhodné pro analýzu nebo získávání netuhých tvarů, tj. Ohýbatelných předmětů, jako jsou lidé, zvířata, rostliny atd.

Laplace

Laplaceův operátor-Beltrami se podílí na mnoha důležitých diferenciálních rovnic, jako je rovnice vedení tepla a vlnové rovnice . To může být definováno na Riemannově potrubí jako divergence v gradientu části reálná funkce f :

Jeho spektrální složky lze vypočítat řešením Helmholtzovy rovnice (nebo úlohy Laplacianského vlastního čísla):

Řešením jsou vlastní funkce (režimy) a odpovídající vlastní čísla , představující odlišnou posloupnost kladných reálných čísel. První vlastní číslo je nula pro uzavřené domény nebo při použití Neumannovy okrajové podmínky . U některých tvarů lze spektrum vypočítat analyticky (např. Obdélník, plochý torus, válec, disk nebo koule). Například pro kouli jsou vlastní funkce sférickými harmonickými .

Nejdůležitější vlastnosti vlastních čísel a vlastních funkcí spočívají v tom, že jsou to izometrické invarianty. Jinými slovy, pokud není tvar roztažen (např. List papíru ohnutý do třetí dimenze), spektrální hodnoty se nezmění. Ohýbatelné předměty, jako jsou zvířata, rostliny a lidé, se mohou pohybovat do různých poloh těla s minimálním protahováním v kloubech. Výsledné tvary se nazývají téměř izometrické a lze je porovnat pomocí spektrální analýzy tvarů.

Diskretizace

Geometrické tvary jsou často reprezentovány jako 2D zakřivené povrchy, 2D povrchové sítě (obvykle trojúhelníkové sítě ) nebo 3D pevné objekty (např. Pomocí voxelů nebo čtyřstěnných sítí). Pro všechny tyto případy lze vyřešit Helmholtzovu rovnici. Pokud existuje hranice, např. Čtverec, nebo objem libovolného 3D geometrického tvaru, je třeba zadat okrajové podmínky.

Existuje několik diskretizací Laplaceova operátoru (viz Diskrétní Laplaceův operátor ) pro různé typy geometrických reprezentací. Mnoho z těchto operátorů nepřibližuje dobře podkladový spojitý operátor.

Deskriptory spektrálního tvaru

ShapeDNA a její varianty

ShapeDNA je jedním z prvních deskriptorů spektrálního tvaru. Je to normalizovaná počáteční posloupnost vlastních čísel operátoru Laplace – Beltrami. Jeho hlavními výhodami jsou jednoduchá reprezentace (vektor čísel) a srovnání, invariance měřítka a navzdory své jednoduchosti velmi dobrý výkon při získávání tvarů netuhých tvarů. Mezi konkurenty společnosti shapeDNA patří singulární hodnoty Geodesic Distance Matrix (SD-GDM) a Reduced BiHarmonic Distance Matrix (R-BiHDM). Vlastní čísla jsou však globální deskriptory, proto pro místní nebo částečnou analýzu tvaru nelze použít shapeDNA a další globální spektrální deskriptory.

Globální podpis bodu (GPS)

Globální podpis bodu v bodě je vektorem zmenšených vlastních funkcí Laplaceova – Beltramiho operátoru vypočítaného na (tj. Spektrální vložení tvaru). GPS je globální funkce v tom smyslu, že ji nelze použít pro částečné přizpůsobení tvaru.

Podpis tepelného jádra (HKS)

Podpis tepelného jádra využívá vlastní rozklad tepelného jádra :

U každého bodu na povrchu je úhlopříčka tepelného jádra vzorkována ve specifických časových hodnotách a poskytuje místní podpis, který lze také použít pro částečnou shodu nebo detekci symetrie.

Podpis vlnového jádra (WKS)

WKS sleduje podobnou myšlenku jako HKS a nahrazuje rovnici tepla Schrödingerovou vlnovou rovnicí.

Vylepšený podpis vlnového jádra (IWKS)

IWKS vylepšuje WKS pro načítání netuhých tvarů zavedením nové funkce škálování vlastních čísel a agregací nového termínu zakřivení.

Podpis vlnkového spektra (SGWS)

SGWS je lokální deskriptor, který je nejen izometrický neměnný, ale také kompaktní, snadno vypočítatelný a kombinuje výhody filtrů pásmového i dolního pásma. Důležitým aspektem SGWS je schopnost kombinovat výhody WKS a HKS do jediného podpisu a zároveň umožnit multiresoluční reprezentaci tvarů.

Spektrální shody

Spektrální rozklad grafu Laplacian spojený se složitými tvary (viz operátor Discrete Laplace ) poskytuje vlastní funkce (režimy), které jsou neměnné pro izometrie. Každý vrchol ve tvaru mohl být jedinečně reprezentován kombinací vlastních hodnot v každém bodě, někdy nazývaných spektrální souřadnice:

Spektrální shoda spočívá ve stanovení bodových korespondencí spárováním vrcholů na různých tvarech, které mají nejpodobnější spektrální souřadnice. Raná práce se zaměřila na řídké korespondence pro stereoskopii. Výpočetní účinnost nyní umožňuje husté korespondence na úplných sítích, například mezi kortikálními povrchy. Spektrální shodu lze také použít pro složitou registraci netuhých obrázků , což je zvláště obtížné, když mají obrázky velmi velké deformace. Takové metody registrace obrazu založené na spektrálních vlastních hodnotách skutečně zachycují globální tvarové charakteristiky a kontrastují s konvenčními netuhými metodami registrace obrazu, které jsou často založeny na místních charakteristikách tvaru (např. Gradienty obrazu).

Reference

  1. ^ Reuter, M. a Wolter, F.-E. a Peinecke, N. (2005). "Laplace-Spectra jako otisky prstů pro shodu tvarů". Proceedings of the ACM Symposium 2005 on Solid and Physical Modeling . 101–106. doi : 10,1145 / 1060244,1060256 . CS1 maint: více jmen: seznam autorů ( odkaz )
  2. ^ Reuter, M. a Wolter, F.-E. a Peinecke, N. (2006). „Laplaceova – Beltramiho spektra jako tvarová DNA povrchů a pevných látek“. Počítačem podporovaný design . 38 (4): 342–366. doi : 10.1016 / j.cad.2005.10.011 . CS1 maint: více jmen: seznam autorů ( odkaz )
  3. ^ Lian, Z .; et al. (2011). "Trať SHREC'11: načítání tvarů na netuhých 3D vodotěsných sítích". Sborník příspěvků z Eurographics 2011 Workshop on 3D Object Retrieval (3DOR'11) . str. 79–88. doi : 10,2312 / 3DOR / 3DOR11 / 079-088 .
  4. ^ Smeets, Dirk; Fabry, Thomas; Hermans, Jeroen; Vandermeulen, Dirk; Suetens, Paul (2009). Msgstr "Izometrické deformační modelování pro rozpoznávání objektů". Počítačová analýza obrazů a vzorů . Přednášky z informatiky. 5702 . 757–765. Bibcode : 2009LNCS.5702..757S . doi : 10.1007 / 978-3-642-03767-2_92 . ISBN   978-3-642-03766-5 .
  5. ^ Ye, J. & Yu, Y. (2015). Msgstr "Rychlá transformace modálního prostoru pro robustní získání nerigidního tvaru". Vizuální počítač, Springer . 32 (5): 553. doi : 10.1007 / s00371-015-1071-5 . hdl : 10722/215522 .
  6. ^ Rustamov, RM (4. července 2007). „Laplace – Beltramiho vlastní funkce pro zobrazení tvaru s invariantním tvarem“. Sborník z pátého eurografického sympozia o zpracování geometrie . Eurografická asociace. str. 225–233. ISBN   978-3-905673-46-3 .
  7. ^ Sun, J. a Ovsjanikov, M. a Guibas, L. (2009). „Stručný a prokazatelně poučný víceúrovňový podpis založený na difúzi tepla“. Fórum počítačové grafiky . 28 . 1383–1392. doi : 10.1111 / j.1467-8659.2009.01515.x . CS1 maint: více jmen: seznam autorů ( odkaz )
  8. ^ Aubry, M., Schlickewei, U. a Cremers D. (2011). "Podpis vlnového jádra: Kvantově mechanický přístup k analýze tvarů". Semináře o počítačovém vidění (workshopy ICCV), mezinárodní konference IEEE 2011 . 1626–1633. doi : 10.1109 / ICCVW.2011.6130444 . CS1 maint: více jmen: seznam autorů ( odkaz )
  9. ^ Limberger, FA & Wilson, RC (2015). "Kódování funkcí spektrálních podpisů pro 3D načítání netuhých tvarů". Sborník z konference British Machine Vision Conference (BMVC) . 56,1–56,13. doi : 10,5244 / C.29,56 .
  10. ^ Masoumi, Majid; Li, Chunyuan; Ben Hamza, A (2016). Msgstr "Přístup pomocí vlnky spektrálního grafu pro získávání netuhých 3D tvarů". Písmena pro rozpoznávání vzorů . 83 : 339–48. doi : 10.1016 / j.patrec.2016.04.009 .
  11. ^ Umeyama, S (1988). "Přístup eigendekompozice k váženým problémům s párováním grafů". IEEE Transactions on Pattern analýza a strojové inteligence . 10 (5): 695–703. doi : 10,1109 / 34,6778 .
  12. ^ Scott, GL & Longuet-Higgins, HC (1991). Msgstr "Algoritmus pro přiřazení vlastností dvou obrázků". Sborník královské společnosti v Londýně. Řada B: Biologické vědy . 244 (1309): 21–26. Bibcode : 1991RSPSB.244 ... 21S . doi : 10.1098 / rspb.1991.0045 . PMID   1677192 .
  13. ^ Shapiro, LS a Brady, JM (1992). "Korespondence založená na vlastnostech: vlastní přístup". Výpočet obrazu a vidění . 10 (5): 283–288. doi : 10.1016 / 0262-8856 (92) 90043-3 .
  14. ^ Lombaert, H a Grady, L a Polimeni, JR a Cheriet, F (2013). "FOCUSR: Feature Oriented Correspondence using Spectral Regularization - A Method for Precise Surface Matching" . IEEE Transactions on Pattern analýza a strojové inteligence . 35 (9): 2143–2160. doi : 10.1109 / tpami.2012.276 . PMC   3707975 . PMID   23868776 . CS1 maint: více jmen: seznam autorů ( odkaz )
  15. ^ Lombaert, H a Grady, L a Pennec, X a Ayache, N a Cheriet, F (2014). „Spectral Log-Demons - Diffeomorphic Image Registration with Very Large Deformations“. International Journal of Computer Vision . 107 (3): 254–271. CiteSeerX   10.1.1.649.9395 . doi : 10,1007 / s11263-013-0681-5 . CS1 maint: více jmen: seznam autorů ( odkaz )