Adaptive Scale Estimation and Robust Entropy-like Model Fitting Algorithm

摘要

鲁棒模型拟合在计算机视觉中应用广泛，例如线和圆的拟合、单应矩阵与基本矩阵的估计、运动分割、范围图像分割等。由于实际应用中的数据通常包含噪声和离群点（这些可能是因为传感器噪声、错误的特征提取以及错误的分割等因素造成的），因此,鲁棒模型拟合是一项非常具有挑战性的任务。在鲁棒模型拟合的研究中，内点噪声尺度估计和模型参数估计是两个重要的研究内容。内点噪声尺度估计的准确性直接影响到模型参数估计的准确性和数据分割的效果。但是，当前的尺度估计算法和模型参数估计算法在处理含有大量离群数据时仍然不够鲁棒。本文针对鲁棒模型拟合中的存在的问题，提出了鲁棒的尺度估计算法AIKOSE和鲁棒的模型拟合算法ASEE和AMS...