[發明專利]一種基于偏好概率加權采樣的魯棒模型擬合方法有效
| 申請號: | 202010987428.5 | 申請日: | 2020-09-18 |
| 公開(公告)號: | CN112132204B | 公開(公告)日: | 2022-05-24 |
| 發明(設計)人: | 王菡子;江斕 | 申請(專利權)人: | 廈門大學 |
| 主分類號: | G06V10/762 | 分類號: | G06V10/762;G06V10/764;G06K9/62 |
| 代理公司: | 廈門南強之路專利事務所(普通合伙) 35200 | 代理人: | 馬應森 |
| 地址: | 361005 福建*** | 國省代碼: | 福建;35 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 偏好 概率 加權 采樣 模型 擬合 方法 | ||
一種基于偏好概率加權采樣的魯棒模型擬合方法,涉及計算機視覺。A.準備數據集;B.賦予數據集中每個數據點權重,循環執行步驟C?D,生成模型假設;C.從數據點中以權重采樣數據點子集,進行模型更新策略,在數據集中通過隨機采樣生成初始模型假設,并通過迭代方式更新模型假設,直到滿足停止標準停止迭代,通過更新選取得到最佳模型假設并加入模型假設集;D.根據偏好概率公式和模型假設集計算各數據點的偏好概率,通過增大偏好概率在一定閾值區間的數據點權重,增加采樣小結構模型實例內點概率,減少大結構模型實例和離群點對采樣干擾;E.用模型假設集的殘差向量集,構建相似度矩陣,應用譜聚類技術對數據聚類,估計多結構模型實例。
技術領域
本發明涉及計算機視覺技術,具體是涉及一種基于偏好概率加權采樣的魯棒模型擬合方法。
背景技術
在計算機視覺領域中,魯棒模型擬合是一個基礎性的研究任務。在實際應用中,視覺數據會受噪聲和離群點的污染,魯棒模型擬合的任務是在包含噪聲和離群點的數據中估計真實模型參數。RANSAC(M.A.Fischler,R.C.Bolles.Random sample consensus:aparadigm for model fitting with applications to image analysis and automatedcartography.Comm.ACM,1981,24(6):381–395.)是一種廣泛應用的經典魯棒估計技術。它采用“假設-驗證”框架,通常包含兩個步驟:(1)隨機抽取最小數據子集生成模型假設集;(2)驗證有效的模型假設。RANSAC及其變種已經成功地應用于許多魯棒擬合任務中,包括運動分割、圖像配準等。盡管這些方法簡單有效,但僅限于處理單結構數據。然而,在現實場景中,多結構數據更為常見。因此,這項任務的主要挑戰是需要同時處理離群點和偽離群點。離群點是在數據預處理中錯誤產生的噪聲數據。而屬于一個結構的內點則是其他結構的偽離群點。在多結構模型擬合中,存在結構內點數量的不平衡,其中一些小結構的偽離群點的數目可能比它自身的內點更為顯著。
近幾十年來,學者們提出了一系列針對多結構數據的模型擬合方法。基于參數空間分析的方法與基于數據聚類的方法。基于參數空間分析的方法研究模型假設的共識點集(Consensusset),以提取真實的模型結構。例如AKSWH(H.Wang,T.J.Chin,D.Suter.Simultaneously fitting and segmenting multiple-structure data withoutliers.IEEE Transactions on Pattern Analysis and Machine Intelligence,2012,34(6):1177–1192.)、MSHF(H.Wang,G.Xiao,Y.Yan,D.Suter.Searching forrepresentative modes on hypergraphs for robust geometric model fitting.IEEETransactions on Pattern Analysis and Machine Intelligence,2018,41(3):697–711.),此類方法常在模型假設集上搜索模型實例。但是生成有效的模型假設集需要大量采樣,這導致此類方法的計算效率較低。另一個解決方案是基于數據聚類的方法。這類方法將擬合問題轉化為聚類問題。例如:CBS(R.Tennakoon,A.Sadri,R.Hoseinnezhad,A.B.Hadiashar.Effective sampling:Fast segmentation using robust geometricmodel fitting.IEEE Transactions on Image Processing,2018,27(9):4182–4194.)其主要思想是利用一組模型假設到點的殘差來編碼每個數據點之間的相似度,從而對同一結構的點進行聚類。這些方法的聚類性能取決于點對之間的相似性度量的有效性。然而相似度的度量容易受到包含離群點的低質量的模型假設的干擾。此外,如果生成的模型假設集不能平衡地描述每個結構,則可能導致最終的擬合性能變差。
發明內容
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廈門大學,未經廈門大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010987428.5/2.html,轉載請聲明來源鉆瓜專利網。





