Key points are not available for this paper at this time.
Em trabalhos anteriores sobre registro de pontos, os conjuntos de pontos de entrada são frequentemente representados usando modelos de mistura gaussiana e o registro é então abordado através de uma abordagem probabilística, que visa explorar relações globais nos conjuntos de pontos. Para formas não rígidas, no entanto, as estruturas locais entre pontos vizinhos também são fortes e estáveis e, portanto, úteis na recuperação da correspondência de pontos. Neste artigo, formulamos o registro de pontos como a estimativa de uma mistura de densidades, onde características locais, como contexto de forma, são usadas para atribuir as probabilidades de pertencimento do modelo de mistura. Isso nos permite preservar tanto as estruturas globais quanto as locais durante a correspondência. A transformação entre os dois conjuntos de pontos é especificada em um espaço de Hilbert de núcleo reprodutor e uma aproximação esparsa é adotada para alcançar uma implementação rápida. Experimentos extensivos com dados sintetizados e reais mostram a robustez da nossa abordagem sob vários tipos de distorções, como deformação, ruído, valores atípicos, rotação e oclusão. Ela supera em muito os métodos de ponta, especialmente quando os dados estão fortemente degradados.
Ma et al. (Thu,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: