本发明专利技术公开了基于LDDMM对高维空间多条非交叉曲线进行匹配的方法，方法包括以下步骤：获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。本发明专利技术可对高维空间内多条非交叉曲线同时进行精准匹配，可以更大程度了解或还原物体特征，可应用到人脸识别、目标跟踪等领域。
【技术实现步骤摘要】
基于LDDMM的高维空间多条非交叉曲线的匹配方法及装置
本专利技术涉及高维空间曲线匹配领域，尤其是基于LDDMM的高维空间多条非交叉曲线的匹配方法及装置。
技术介绍
目前，针对高维空间中单条曲线的LDDMM匹配算法已经较为成熟，然而其本身存在一定的局限性。现实生活中，许多物体的几何形状需要通过多条特征曲线来进行完整描述，并且物体的几何形状在发生变化时，往往是多条曲线同时变化，相互之间会有一定的影响，若单独将其抽离出来研究或匹配，是难以了解或还原到物体的实际特征的，无论是应用于识别还是追踪领域，都不是特别地可靠。
技术实现思路
为了解决上述问题，本专利技术的目的是提供基于LDDMM的高维空间多条非交叉曲线的匹配方法及装置，可对高维空间内多条非交叉曲线同时进行精准匹配，可以更大程度了解或还原物体特征，可应用到人脸识别、目标跟踪等领域。为了弥补现有技术的不足，本专利技术采用的技术方案是：基于LDDMM的高维空间多条非交叉曲线的匹配方法，包括以下步骤：S1、获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；S2、采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。进一步，所述步骤S1，获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线，包括以下步骤：S11、对各条曲线上的l个离散点，按照1-2-...-l的顺序为离散点标注索引，并根据几何位置将l个离散点归属为n条非交叉曲线，按照1-2-...-n的顺序为各非交叉曲线标注索引，其中，离散点的索引号增大方向与相应非交叉曲线的索引号增大方向一致；S12、用各条曲线上相邻两点之间的中点及中点处的切线来表示所述n条非交叉曲线。进一步，所述步骤S2中，采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成，包括以下步骤：S21、将所述n条非交叉曲线作为整体流形进行一次LDDMM匹配；S22、计算匹配后的每一条非交叉曲线与对应目标曲线间的流形差值，判断其是否大于设定的阈值，若有m(m≤n)条非交叉曲线的流形差值大于设定阈值，则将此m条曲线作为一个新的整体流形来进行下一次LDDMM匹配，直到n条非交叉曲线的流形差值均小于阈值，则认为匹配完成。基于LDDMM的高维空间多条非交叉曲线的匹配装置，包括：离散化表示模块，用于获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；LDDMM匹配模块，用于采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。进一步，所述离散化表示模块，用于获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线，包括：首先，用于对各条曲线上的l个离散点，按照1-2-...-l的顺序为离散点标注索引，并根据几何位置将l个离散点归属为n条非交叉曲线，按照1-2-...-n的顺序为各非交叉曲线标注索引，其中，离散点的索引号增大方向与相应非交叉曲线的索引号增大方向一致；然后，用于用各条曲线上相邻两点之间的中点及中点处的切线来表示所述n条非交叉曲线。进一步，所述LDDMM匹配模块，用于采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成，包括：首先，用于将所述n条非交叉曲线作为整体流形进行一次LDDMM匹配；然后，用于计算匹配后的每一条非交叉曲线与对应目标曲线间的流形差值，判断其是否大于设定的阈值，若有m(m≤n)条非交叉曲线的流形差值大于设定阈值，则将此m条曲线作为一个新的整体流形来进行下一次LDDMM匹配，直到n条非交叉曲线的流形差值均小于阈值，则认为匹配完成。基于LDDMM的高维空间多条非交叉曲线的匹配装置，包括处理器和用于存储处理器可执行指令的存储器；所述处理器读取可执行指令并执行以下步骤：获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。本专利技术的有益效果是：通过获取非交叉曲线并对其进行离散化表示，可以更好地了解每条曲线的实际特点，同时离散化表示使得各曲线之间的特征相对独立，从而可以进行较为精确地相互比较；并且利用LDDMM算法可对这些曲线进行处理，从而从整体上对多条非交叉曲线实现循环匹配。本专利技术可对高维空间内多条非交叉曲线同时进行精准匹配，可以更大程度了解或还原物体特征，可应用到人脸识别、目标跟踪等领域。附图说明下面结合附图给出本专利技术较佳实例，以详细说明本专利技术的实施方案。图1是本专利技术的方法的步骤流程图；图2是本专利技术的方法步骤S1的原理示意图；图3是本专利技术的一次LDDMM算法的步骤流程图；图4是本专利技术的方法对曲线进行循环匹配的软件流程图。具体实施方式参照图1，基于LDDMM的高维空间多条非交叉曲线的匹配方法，包括以下步骤：S1、获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；S2、采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。进一步，参照图2，所述步骤S1，获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线，包括以下步骤：S11、对各条曲线上的l个离散点，按照1-2-...-l的顺序为离散点标注索引，并根据几何位置将l个离散点归属为n条非交叉曲线，按照1-2-...-n的顺序为各非交叉曲线标注索引，其中，离散点的索引号增大方向与相应非交叉曲线的索引号增大方向一致；S12、用各条曲线上相邻两点之间的中点及中点处的切线来表示所述n条非交叉曲线。在图2中，人脸部轮廓上的离散点是属于不同曲线的，但通过离散化表示可以得到n条非交叉曲线，可知图2中的n为12，按照1-2-...-n的顺序排布。进一步，所述步骤S2中，采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成，包括以下步骤：S21、将所述n条非交叉曲线作为整体流形进行一次LDDMM匹配；S22、计算匹配后的每一条非交叉曲线与对应目标曲线间的流形差值，判断其是否大于设定的阈值，若有m(m≤n)条非交叉曲线的流形差值大于设定阈值，则将此m条曲线作为一个新的整体流形来进行下一次LDDMM匹配，直到n条非交叉曲线的流形差值均小于阈值，则认为匹配完成。基于LDDMM的高维空间多条非交叉曲线的匹配装置，包括：离散化表示模块，用于获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；LDDMM匹配模块，用于采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。进一步，所述离散化表示模块，用于获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线，包括：首先，用于对各条曲线上的l个离散点，按照1-2-...-l的顺序为离散点标注索引，并根据几何位置将l个离散点归属为n条非交叉曲线，按照1-2-...-n的顺序为各非交叉曲线标注索引，其中，离散点的索引号增大方向与相应非交叉曲线的索引号增大方向一致；然后，用于用各条曲线上相邻两本文档来自技高网...
【技术保护点】
1.基于LDDMM的高维空间多条非交叉曲线的匹配方法，其特征在于，包括以下步骤：S1、获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；S2、采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。
【技术特征摘要】
1.基于LDDMM的高维空间多条非交叉曲线的匹配方法，其特征在于，包括以下步骤：S1、获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；S2、采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成。2.根据权利要求1所述的基于LDDMM的高维空间多条非交叉曲线的匹配方法，其特征在于，所述步骤S1，获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线，包括以下步骤：S11、对各条曲线上的l个离散点，按照1-2-...-l的顺序为离散点标注索引，并根据几何位置将l个离散点归属为n条非交叉曲线，按照1-2-...-n的顺序为各非交叉曲线标注索引，其中，离散点的索引号增大方向与相应非交叉曲线的索引号增大方向一致；S12、用各条曲线上相邻两点之间的中点及中点处的切线来表示所述n条非交叉曲线。3.根据权利要求2所述的基于LDDMM的高维空间多条非交叉曲线的匹配方法，其特征在于，所述步骤S2中，采用LDDMM算法对由非交叉曲线组成的整体流形进行自动循环匹配，直至所有非交叉曲线匹配完成，包括以下步骤：S21、将所述n条非交叉曲线作为整体流形进行一次LDDMM匹配；S22、计算匹配后的每一条非交叉曲线与对应目标曲线间的流形差值，判断其是否大于设定的阈值，若有m(m≤n)条非交叉曲线的流形差值大于设定阈值，则将此m条曲线作为一个新的整体流形来进行下一次LDDMM匹配，直到n条非交叉曲线的流形差值均小于阈值，则认为匹配完成。4.基于LDDMM的高维空间多条非交叉曲线的匹配装置，其特征在于，包括：离散表示模块，用于获取各条曲线并进行离散化表示，形成由几何位置和切向量信息所表示的各条非交叉曲线；LDDM...
【专利技术属性】
技术研发人员：唐晓颖，李晓舒，杨慧琳，
申请(专利权)人：佛山市顺德区中山大学研究院，广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。