基于連續(xù)一致性集的魯棒多模型擬合算法研究.pdf

1、現(xiàn)實世界的許多計算機視覺應用都依賴于計算機從圖片中提取感興趣的信息。在計算機視覺問題中，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視覺中起著及其重要的作用。計算機視覺中，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和多個結構時，傳統(tǒng)的模型擬合算法往往不能很好的應對這些問題。因此如何高效地從被污染的視覺數(shù)據(jù)中恢復多個結構的參數(shù)仍然是一個未來亟待

2、解決的問題。
　　本文在廣泛調研和總結相關領域文獻的基礎上，并且對目前魯棒多模型擬合領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)表示假設一致性的集合從離散空間擴展到連續(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)中存在的不平衡結構時存在的問題，我們提出了一種基于結構決策圖的魯棒多模型擬合算法。為了處理在沒有關于結構的數(shù)目的先驗知識時，很難判斷兩個非常接近的結構是否來自同一結構一個結構這一問題，我們將關系網(wǎng)絡的概念加入模型擬合，提出了一種新的基于關系網(wǎng)絡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)展提出一些改進方向。
　　通過合成數(shù)據(jù)以及來自真實數(shù)據(jù)的運動分割、單應性檢測和3-D點云平面重建的實驗對比，表明我們提出的基