魯棒模型擬合中的指導(dǎo)性采樣及其在運(yùn)動(dòng)分割中的應(yīng)用.pdf_第1頁(yè)
已閱讀1頁(yè),還剩127頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、魯棒模型擬合是計(jì)算機(jī)視覺(jué)領(lǐng)域的一項(xiàng)重要研究任務(wù),它已被廣泛地應(yīng)用于運(yùn)動(dòng)分割、圖像拼接、三維重建、圖像配準(zhǔn)等領(lǐng)域。由于輸入數(shù)據(jù)不可避免地會(huì)包含噪聲、離群點(diǎn)(即錯(cuò)誤的數(shù)據(jù)點(diǎn))和偽離群點(diǎn)(在多結(jié)構(gòu)數(shù)據(jù)中,一個(gè)結(jié)構(gòu)的內(nèi)點(diǎn)對(duì)于其它結(jié)構(gòu)來(lái)說(shuō)通常是偽離群點(diǎn)),使得魯棒模型擬合任務(wù)極具挑戰(zhàn)性。采樣到一組干凈數(shù)據(jù)子集對(duì)于大多數(shù)模型擬合方法的成功起著至關(guān)重要的作用。對(duì)于包含高比例離群點(diǎn)的多結(jié)構(gòu)數(shù)據(jù),尤其是針對(duì)高維模型,傳統(tǒng)的采樣方法要采樣到一個(gè)干凈數(shù)據(jù)子集

2、極其耗時(shí)。為了更高效地采樣到干凈數(shù)據(jù)子集,本文提出了三種指導(dǎo)性采樣方法:
  (1)提出一種基于殘差排序和局部約束的指導(dǎo)性采樣方法。該方法主要通過(guò)在采樣過(guò)程中使用局部約束,來(lái)提高采樣到干凈數(shù)據(jù)子集的概率,同時(shí)降低采樣過(guò)程的計(jì)算時(shí)間。實(shí)驗(yàn)結(jié)果表明,在相同的運(yùn)行時(shí)間內(nèi),該方法采樣到的干凈數(shù)據(jù)子集總數(shù)是傳統(tǒng)的基于殘差排序的指導(dǎo)性采樣方法所采樣到的干凈數(shù)據(jù)子集總數(shù)的兩倍以上。
  (2)提出一種面向?qū)O幾何估計(jì)的高效采樣方法。對(duì)于如

3、何針對(duì)高維模型高效地采樣更多干凈數(shù)據(jù)子集的問(wèn)題,本文利用極線約束來(lái)指導(dǎo)采樣過(guò)程。該方法使用馬爾可夫鏈蒙特卡洛過(guò)程,有效地結(jié)合兩個(gè)指導(dǎo)性采樣策略:全局采樣和局部采樣。全局采樣通過(guò)結(jié)合空間采樣概率和關(guān)鍵點(diǎn)匹配分?jǐn)?shù)來(lái)快速地獲取有效模型假設(shè)。局部采樣則通過(guò)結(jié)合聯(lián)合特征分布概率和關(guān)鍵點(diǎn)匹配分?jǐn)?shù)來(lái)獲取更準(zhǔn)確的模型假設(shè)。在局部采樣中,該采樣方法先使用一種新的擬合方法來(lái)實(shí)時(shí)選取一組當(dāng)前最佳候選模型假設(shè)集,然后計(jì)算輸入數(shù)據(jù)與最佳候選模型假設(shè)集之間的聯(lián)合特

4、征分布概率。實(shí)驗(yàn)結(jié)果表明,在相同的時(shí)間內(nèi),該方法較當(dāng)前若干先進(jìn)的采樣方法可采樣到更多的干凈數(shù)據(jù)子集。在生成同樣準(zhǔn)確的模型假設(shè)方面,該方法比當(dāng)前若干先進(jìn)的指導(dǎo)性采樣方法快三倍以上。
  (3)提出一種面向多結(jié)構(gòu)模型擬合的通用采樣方法。(2)中提出的采樣方法使用了極線約束,導(dǎo)致它只能用于對(duì)極幾何估計(jì)的采樣?;?2)中的工作,本文提出一種通用的采樣方法,用于高效地指導(dǎo)多種高維幾何模型估計(jì)的采樣。該方法也包含兩個(gè)指導(dǎo)性采樣策略:全局采樣

5、和局部采樣。全局采樣使用現(xiàn)有的多結(jié)構(gòu)采樣策略;局部采樣則使用當(dāng)前所檢測(cè)到的模型實(shí)例的內(nèi)點(diǎn)來(lái)指導(dǎo)采樣過(guò)程。該方法還引入冷卻進(jìn)度表來(lái)有效地平衡全局和局部采樣。實(shí)驗(yàn)結(jié)果表明,在給定的相同時(shí)間內(nèi),該方法比當(dāng)前一些先進(jìn)的采樣方法可采樣到的干凈數(shù)據(jù)子集更多。在生成同樣準(zhǔn)確的模型假設(shè)方面,該方法比當(dāng)前一些先進(jìn)的采樣方法快三倍以上。
  另外,運(yùn)動(dòng)分割是魯棒模型擬合的一項(xiàng)重要的應(yīng)用,已被廣泛運(yùn)用于多項(xiàng)計(jì)算機(jī)視覺(jué)任務(wù)(比如視頻監(jiān)控和目標(biāo)跟蹤)的預(yù)處

6、理過(guò)程。但是視頻中經(jīng)常包含多個(gè)運(yùn)動(dòng)體(即多個(gè)結(jié)構(gòu)),導(dǎo)致輸入數(shù)據(jù)中包含了高比例的離群點(diǎn)。在這種情況下,使用傳統(tǒng)的采樣方法來(lái)采樣干凈數(shù)據(jù)子集相當(dāng)耗時(shí)。而對(duì)于包含目標(biāo)遮擋的視頻而言,如何高效地集成視頻中的多幀運(yùn)動(dòng)信息來(lái)指導(dǎo)運(yùn)動(dòng)分割是非常困難的。因此,筆者把前面提出的采樣方法用于運(yùn)動(dòng)分割,并結(jié)合現(xiàn)有的魯棒模型擬合技術(shù),提出一種基于稀疏約束的高效運(yùn)動(dòng)分割方法。該方法先將不同運(yùn)動(dòng)體的特征點(diǎn)跡進(jìn)行稀疏表示,然后使用譜聚類來(lái)準(zhǔn)確地分割各運(yùn)動(dòng)體。實(shí)驗(yàn)結(jié)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論