[发明专利]基于局部显著性与二维主流形的三维耳廓形状特征描述方法

权利要求书

1.一种基于局部显著性与二维主流形的三维耳廓形状特征描述方法，其特征在于按如下步骤进行：

a. 对于耳廓的三维扫描点云，基于平均曲率的高斯加权平均，计算耳廓点云上显著性特征值，并对全部显著性特征值降序排列；

b. 基于泊松采样的排斥策略，优化选择三维耳廓点云显著性关键点；

c. 基于二维主流形方法，对三维耳廓点云显著性关键点邻域内的形状信息进行主成分分析，并拟合生成二维流形曲面；

d. 将每个二维流形曲面记为一个高维特征向量，基于线性降维方法对每个高维特征向量进行压缩，得到三维耳廓点云显著性关键点的低维特征向量。

2.根据权利要求1所述的基于局部显著性与二维主流形的三维耳廓形状特征描述方法，其特征在于所述a步骤如下：对于耳廓的三维扫描点云集合V={v_i| v_i =(x_i, y_i, z_i), i=1, 2, …, n}，基于曲面的第二基本形式对每一个点的主曲率进行离散估计，记耳廓点云集合V上任意点                                                的两个主曲率分别为k_1i和k_2i，并记v_i的平均曲率为φ(v_i)=(k_1i+k_2i)/2；以点v_i为球心、以2σ为半径，基于kd-tree并行快速搜索建立点v_i的邻域点集N(v_i, 2σ)，则邻域N(v_i, 2σ)内各点的平均曲率高斯加权均值定义为：

 

其中，φ(x)表示在点x的平均曲率；

同理，以任意点v_i为球心、扩大邻域半径至原半径2σ的两倍，可以得到新的平均曲率高斯加权均值G(φ(v_i), 2σ)，则点v_i在σ尺度下的显著特征值ψ(v_i)定义为| G(φ(v_i), σ)- G(φ(v_i), 2σ)|；

对于任意的v_i∈V，按照其显著性特征值ψ(v_i)降序排列得到新的序列V_S={sv_i| sv_i =(sx_i, sy_i, sz_i), i=1, 2, …, n}，即ψ(sv₁)ψ(sv₂)... ψ(sv_n)。