一种新的快速收敛的鲁棒非刚性配准方法。该方法的关键思想是使用Welsch的函数来加强稀疏性,将Welsch函数用于能量函数中对齐项和正则项的构造,以实现鲁棒配准。与l_p正则化不同的是Welsch函数是平滑的,不会导致非光滑优化。优化问题通过MM(Majorization-Minimization)算法进行求解,该算法的主要步骤是:首先找到目标函数的上界函数,也被称为代理函数(Surrogate Function),其次采用L-BFGS方法求解上界函数。在该过程中动态调整Welsch函数的参数,基于当前变量值迭代构造目标能量函数的代理函数;并使代理函数最小化以更新变量,保证收敛到局部最小值。从而有效改善传统的非刚性算法求解速度慢、精度差、易受异常值和噪声影响的问题。
(2)变形图的构造:为了构造变形图,迭代地添加源点集中的顶点得到G中的顶点V_G。V_G初始为空,对于源点集中的所有点,将执行主成分分析(PCA)提取协方差矩阵的最大特征值所在方向作为一个轴,将源点集中所有的点投影到该轴上,并对投影值进行排序。根据排序遍历每个源点集中的点v_i,如果V_G为空,或者当前点v_i到V_G内所有已经存在的每个点的最短测地线距离大于给定半径R,则将其加入到V_G中。构造顶点集合V_G完成后,连接任意两个测地线距离小于R的顶点来构造边集合ℰ_G。R默认设置为5l ̅,l ̅为源曲面边的平均边长。