基于連續(xù)一致性集的魯棒多模型擬合算法研究.pdf_第1頁
已閱讀1頁,還剩76頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、現(xiàn)實(shí)世界的許多計算機(jī)視覺應(yīng)用都依賴于計算機(jī)從圖片中提取感興趣的信息。在計算機(jī)視覺問題中,圖像中感興趣的信息通常用參數(shù)模型來描述,接著使用模型擬合算法從觀察數(shù)據(jù)中估計出模型的參數(shù)。模型擬合算法在大量的計算機(jī)視覺中起著及其重要的作用。計算機(jī)視覺中,參數(shù)估計在早已被深入地研究。但是由于視覺數(shù)據(jù)中不可避免的存在離群點(diǎn)和多個結(jié)構(gòu)時,傳統(tǒng)的模型擬合算法往往不能很好的應(yīng)對這些問題。因此如何高效地從被污染的視覺數(shù)據(jù)中恢復(fù)多個結(jié)構(gòu)的參數(shù)仍然是一個未來亟待

2、解決的問題。
  本文在廣泛調(diào)研和總結(jié)相關(guān)領(lǐng)域文獻(xiàn)的基礎(chǔ)上,并且對目前魯棒多模型擬合領(lǐng)域一些重要的問題做了簡單的分析和討論。接著通過對最近提出的幾種有代表性的魯棒模型擬合算法的介紹對魯棒多模型擬合領(lǐng)域的目前發(fā)展做了一個簡單的回顧。接著我們把傳統(tǒng)表示假設(shè)一致性的集合從離散空間擴(kuò)展到連續(xù)空間,提出了一種新的連續(xù)一致性集來更精確的描述假設(shè)的一致性信息。根據(jù)并集合提出的連續(xù)一致性集提出一種新的魯棒多模型擬合框架。對現(xiàn)存的魯棒多模型擬合算法

3、在處理數(shù)據(jù)中存在的不平衡結(jié)構(gòu)時存在的問題,我們提出了一種基于結(jié)構(gòu)決策圖的魯棒多模型擬合算法。為了處理在沒有關(guān)于結(jié)構(gòu)的數(shù)目的先驗(yàn)知識時,很難判斷兩個非常接近的結(jié)構(gòu)是否來自同一結(jié)構(gòu)一個結(jié)構(gòu)這一問題,我們將關(guān)系網(wǎng)絡(luò)的概念加入模型擬合,提出了一種新的基于關(guān)系網(wǎng)絡(luò)的魯棒模型擬合算法。最后針對魯棒多模型擬合算法中的未來發(fā)展提出一些改進(jìn)方向。
  通過合成數(shù)據(jù)以及來自真實(shí)數(shù)據(jù)的運(yùn)動分割、單應(yīng)性檢測和3-D點(diǎn)云平面重建的實(shí)驗(yàn)對比,表明我們提出的基

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論