بهبود ساخت مدل شکل آماری بافت های غیرصلب با کمک الگوریتم Coherent Point Drift

مدل های شکل آماری، از اطلاعات آماری جهت تفسیر و بررسی شکل استفاده می کنند. اطلاعات آماری شامل میانگین و واریانس نقاط متناظر شکل های مجموعه آموزش است. یافتن نقاط متناظر دربین نقاط اعضای مجموعه ی آموزش، یکی از چالش های مهم در ساخت مدل شکل آماری است. درین مقاله، از روش CPD جهت یافتن تناظربین نقاط استفاده شد. درین روش، با ترکیب تناظر فازی، الگوریتم سرد شدن معین و انطباق غیرصلب دو شکل، تناظر بین نقاط به دست آمد. پس از یافتن نقاط متناظر، مدل شکل آماری با یک تبدیل صلب ایجاد شد. ارزیابی روش پیشنهادی با استفاده از میزان فشردگی، قابلیت تعمیم و اختصاصی بودن انجام شد. مدل ساخته شده به کمک روش پیشنهادی با مدل های ساخته شده به روش های TPS-RPMICP MDL مقایسه شد. نتایج نشان می دهد که مدل پیشنهادی در معیار اختصاصی بودن با مقدار 06 /0±21/ 0 مانند روش MDLعمل می کند. در مورد معیارهای فشردگی و قابلیت تعمیم، نتایج به دست آمده با روش MDLمشابهت دارد. زمان متوسط اجرای الگوریتم در روش پیشنهادی 68 ثانیه است، در صورتی که برای الگوریتم TPS-RPM 390ثانیه و برای الگوریتم MDL 3600ثانیه است که برتری روش پیشنهادی را از نظر سرعت نشان می دهد. همچنین در روش پیشنهادی، نسبت به روش های ICPو TPS-RPMعملکرد بهتری به دست آمد.