[论文解读] Precise Matching of PL Curves in $R^N$ in the Square Root Velocity Framework

Sayani Lahiri, Daniel Robinson+1 more|arXiv (Cornell University)|Jan 3, 2015

Morphological variations and asymmetry参考文献 7被引用 30

一句话总结

该论文在平方根速度函数（SRVF）框架下，为 $ℝ^N$ 中的分段线性（PL）曲线提出了一个精确的最优匹配算法。通过严格刻画商空间中的闭合轨道，并引入一种几何路径拉直方法，该方法实现了曲线轨道间最小距离的精确计算，从而实现了精确测地线计算，优于以往的动态规划近似方法。

ABSTRACT

The square root velocity function (SRVF), introduced by Srivastava et al, has proved to be an effective way to compare absolutely continuous curves in $R^N$ modulo reparametrization. Several computational papers have been published based on this method. In this paper, we carefully establish the theoretical foundations of the SRVF method. In particular, we analyze the quotient construction of the set of absolutely continuous curves modulo the group (or in some cases, semigroup) of reparametrizations, proving an important theorem about the structure of the closed orbits required in this quotient construction. We observe that the set of piecewise linear curves is dense in the space of absolutely continuous curves with respect to the SRVF metric. Finally, given two piecewise linear curves, we establish a precise algorithm for producing the optimal matching between these curves. This also results in a precise determination of the geodesic between the points in the quotient space corresponding to these curves. In the past, this geodesic has only been approximated using the method of Dynamic Programming. We show examples resulting from this algorithm.

研究动机与目标

• 建立SRVF度量及其在重参数化下的商空间构造的严格理论基础。
• 精确求解 $ℝ^N$ 中分段线性曲线的最优匹配问题，此类曲线属于绝对连续函数的紧致类。
• 开发一种算法，计算在重参数化下两个曲线轨道之间的精确最小距离，从而实现精确测地线计算。
• 将先前的1D PL匹配算法推广至 $ℝ^N$ 中的高维曲线，并保证收敛性和正确性。
• 证明当两个输入曲线均为PL曲线时，最优匹配可通过PL函数的SRVF实现。

提出的方法

• 将从 $[0,1] \to \mathbb{R}^N$ 的绝对连续曲线的SRVF定义为其速度模长的平方根，映射至 $L^2(I, \mathbb{R}^N)$。
• 引入微分同胚群 $\Gamma$ 及其闭包 $\tilde{\Gamma}$，证明 $\tilde{\Gamma}$-轨道是闭合的，从而确保商空间的度量完备性。
• 使用一种路径拉直算法，在 $I \times I$ 网格上构造P-线段，以识别重参数化过程中遇到网格顶点的关键斜率。
• 对网格中的每个起点，计算高于阈值的最小初始斜率，使得线段与顶点相交，利用顶点坐标比值 $t_l / s_k$。
• 通过逐步增加斜率迭代构造P-线段，使用测试线段检测与顶点的相交，确保捕捉所有最优匹配。
• 实现该算法，以计算 $ℝ^N$ 中PL曲线轨道之间的精确最优匹配及最短测地线。

实验结果

研究问题

• RQ1 在重参数化下，$L^2(I, \mathbb{R}^N)$ 的商空间是否具有完备度量？重参数化群的轨道是否为闭合？
• RQ2 能否精确求解 $ℝ^N$ 中PL曲线的最优匹配问题，而非通过动态规划进行近似？
• RQ3 两个PL曲线轨道之间的最小距离是否总是由PL曲线的SRVF代表实现？
• RQ4 基于网格遍历与顶点检测的几何算法能否精确计算所有最优重参数化？
• RQ5 与基于动态规划的近似方法相比，该精确算法在性能和精度上表现如何？

主要发现

• 该算法实现了 $ℝ^N$ 中PL曲线轨道间最小距离的精确计算，在示例12中相比动态规划方法距离减少了25%。
• 在示例12中，动态规划方法得到的对齐后距离为1.5239，而所提算法达到1.2457，显示出显著改进。
• 在示例9（3D）中，对齐前距离为8.5302，对齐后为8.5253，表明对称曲线实现了近乎等距匹配。
• 该算法通过识别最小化轨道间SRVF距离的最优重参数化，成功计算出精确测地线。
• 该方法证明，对于任意两个轨道，只要其中一个包含PL曲线的SRVF，则存在最优匹配且可被精确计算。
• 路径拉直过程可靠地检测到所有P-线段与顶点相交的关键斜率，确保无一最优匹配被遗漏。