Python 活动形状模型'；装配程序不适用'；t收敛于统计模型拟合函数

我遵循了Tim Cootes在年描述的主动形状模型方法 和。到目前为止，一切进展顺利（Procrustes分析、主成分分析、图像预处理（对比度、噪声））。只有拟合过程本身似乎不收敛

我使用（第13页）中所述的灰色结构方法的统计模型，通过采样5（

k

）为每颗门牙的40个标志点（总共创建了320个不同的拟合函数）中的每颗门牙创建拟合函数沿着垂直于边界的轮廓两侧的点，穿过8颗门牙的40个标志点。这些函数等于马氏距离（第14页）

在拟合过程中，我在垂直于边界的轮廓两侧各取样10（

m>k

）个点，通过一个齿的当前近似值的40个标志点中的每一个。这样，我必须使用相应的拟合函数来评估

2（m-k）+1

样本。 每个样本都包含

2k+1

点的梯度值。选择最小化函数的样本，并将相应的地标定位在这些

2k+1

点的中点。这是为40个地标中的每一个做的。这将产生新的（尚未验证的）牙齿近似值

---

图像坐标系中的近似值与图像坐标系中的牙齿模型对齐。然后计算主成分分析的系数（

bi

），并检查梯度图像是否错误或更好，因为需要沿轮廓法线而不是水平和垂直方向进行导数，因此没有任何用处

def create_gradient(img):
    temp = cv2.Scharr(img, ddepth=-1, dx=1, dy=0)
    return cv2.Scharr(temp, ddepth=-1, dx=0, dy=1)