论文部分内容阅读
考虑高斯混合模型（TMM）的点集非刚性配准算法易受异常点和重尾点的影响，提出了基于t分布混合模型的运动一致性非刚性配准算法。通过期望最大化（EM）框架的完整数据定义将高斯混合模型推广为t分布混合模型，使用EM算法最小化参数的条件期望获得非刚性配准参数的闭合解。在EM算法中计算浮动点集各个点的先验权重，减小异常点和重尾点对配准结果的影响；计算浮动点集各个点的自由度，自适应地改变每个点的概率密度分布模型，提高算法的鲁棒性，并避免了异常点水平估计误差对配准结果的影响。在t分布混合模型的条件期望函数中加入点集位移