×
霍萨姆·伊萨克；尤里·博伊科夫

基于能量的几何多模型拟合。 （英语） Zbl 1235.68270号

国际期刊计算。视觉。 97，第2期，123-147（2012）.
摘要：几何模型拟合是一个典型的鸡和蛋问题：数据点应该基于与模型的几何接近度进行聚类，这些模型的未知参数必须同时进行估计。大多数现有方法，包括RANSAC的推广，贪婪地搜索具有最多内嵌线（在阈值内）的模型，忽略了点的总体分类。我们将几何多模型拟合表示为一个全局能量函数平衡几何误差和内嵌簇规则性的最优标记问题。基于空间相干性（在一些近邻图上）和/或标记代价的正则化是NP难的。具有保证近似界的标准组合算法（例如，α-展开）可以最小化有限标签集上的此类正则化能量，但它们不能直接适用于标签连续统，例如直线拟合中的R^{2}。我们提出的方法（PEaRL）将从RANSAC中的数据点进行模型采样与基于全局正则化函数的内点和模型参数的迭代重新估计相结合。该技术有效地探索了能量最小化背景下标签的连续性。在实践中，PEaRL收敛到一个高质量的能量局部最小值，自动选择少数模型来最好地解释整个数据集。我们的测试表明，我们的基于能量的方法显著改善了几何模型拟合的当前技术水平，目前几何模型拟合主要由RANSAC的各种贪婪推广所主导。

引用于5文件

MSC公司：

68T45型 机器视觉和场景理解
68单位05 计算机图形；计算几何（数字和算法方面）

关键词：

几何模型；\（\alpha\）-展开；图形切割；取样；标记；参数估计

软件：

抓斗切割；筛选；PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{H.Isack}和\textit{Y.Boykov}，国际计算机杂志。视觉。97，第2号，第123--147条（2012；Zbl 1235.68270）
全文： 内政部

参考文献：

[1] Beis，J.S.和；Lowe，D.G.（1997）。在高维空间中使用近似最近邻搜索进行形状索引。CVPR（第1000-1006页）。
[2] 伯奇菲尔德，S.，&amp；Tomasi，C.（1999）。多向剪裁，打造立体感和斜面运动体验。在ICCV中。
[3] Bishop，C.M.（2006年）。模式识别和机器学习。柏林：施普林格·Zbl 1107.68072号
[4] 博尔特，T；Brown，L.G.（1991）。基于分解的运动分割。在IEEE视觉运动研讨会上。
[5] Boykov，Y.、Veksler，O.和；Zabih，R.（2001）。通过图形切割实现快速近似能量最小化。在PAMI。
[6] Chin，T.-J.，Wang，H.和；Suter，D.（2009年）。多结构的稳健拟合：统计学习方法。在国际计算机视觉会议（ICCV）上。
[7] Chin，T.-J.，Yu，J.和；Suter，D.（2010年）。多结构稳健拟合的加速假设生成。在欧洲计算机视觉会议（ECCV）上。
[8] Chum，O.、Matas，J.和；Kittler，J.（2003）。局部优化的RANSAC。在LNCS中：第2781卷。模式识别（第236-243页）。
[9] 科马尼丘·D·；Meer，P.（2002年）。均值偏移：一种稳健的特征空间分析方法。在PAMI。
[10] 科斯泰拉·J·；Kanade，T.（1995）。运动分析的多体分解方法。在ICCV中。
[11] A.德隆、A.奥索金、H.伊萨克；Boykov，Y.（2011）。以标签成本实现快速近似能源小型化。国际计算机视觉杂志（已接受）。早期版本包含在CVPR 2010中。doi:10.1007/s11263-011-0437-z·Zbl 1235.68257号
[12] Faugeras，O.和；Luong，Q.-T.（2004）。多个图像的几何体。剑桥：麻省理工学院出版社。
[13] Figueiredo，文学硕士；Jain，A.K.（2002）。有限混合模型的无监督学习。IEEE模式分析和机器智能汇刊，24（3），381-396·doi:10.1109/34.990138
[14] 医学硕士费希勒；Bolles，R.C.（1981年）。随机样本一致性：模型拟合的范例，应用于图像分析和自动制图。在CACM中。
[15] A.Gruber和；Weiss，Y.（2006）。将非运动线索合并到三维运动分割中。在欧洲计算机视觉会议（ECCV）上。
[16] Hartley，R.（1997）。为八点算法辩护。IEEE模式分析和机器智能汇刊，19（6），580-593·doi:10.1109/34.601246
[17] Hartley，R.和；Zisserman，A.（2003）。计算机视觉中的多视图几何。剑桥：剑桥大学出版社·Zbl 0956.68149号
[18] Isack，H.（2009）。空间相干多模型拟合。加拿大伦敦西安大略大学计算机科学系硕士论文。
[19] Leclerc，Y.G.（1989）。构造简单稳定的图像分割描述。国际计算机视觉杂志，3（1），73-102·doi:10.1007/BF00054839
[20] Li，H.（2007）。线性规划松弛的两视图运动分割。在CVPR中。
[21] Lowe，D.G.（2004）。区别于比例不变关键点的图像特征。在IJCV。
[22] Ma，Y.、Soatto，S.、Kosecka，J.和；Sastry，S.（2003）。3D视觉邀请：从图像到几何模型。柏林：斯普林格。
[23] Muja，M.和；Lowe，D.G.（2009）。具有自动算法配置的快速近似最近邻。在VISAPP中。
[24] Olsson，C.、Enqvist，O.和；Kahl，F.（2008）。与离群值匹配和注册的多项式时间界限。在美国安克雷奇举行的IEEE计算机视觉和模式识别会议（CVPR）上。
[25] Rother，C.、Kolmogorov，V.和；Blake，A.（2004）。Grabcut–使用迭代图形切割进行交互式前景提取。2004年8月，ACM图形交易（SIGGRAPH）。
[26] 辛德勒，K.，&；Suter，D.（2006）。通过模型选择具有异常值的两视图多体结构和运动。IEEE模式分析和机器智能汇刊，28（6），983–995·doi:10.1109/TPAMI.2006.130
[27] 托尔多，R.，&；Fusiello，A.（2008）。基于J链的鲁棒多结构估计。在ECCV中。
[28] 托马西·C·；Kanade，T.（1992）。正字法下图像流的形状和运动：一种因式分解方法。在IJCV。
[29] 托尔、P.和；Zisserman，A.（2000年）。MLESAC：一种新的稳健估计器，用于估计图像几何。计算机视觉和图像理解杂志，78（1），138-156·doi:10.1006/cviu.1999.0832
[30] Torr，P.H.S.（1998年）。几何运动分割和模型选择。《皇家学会哲学学报A》，1321-1340年·兹比尔0902.68201
[31] 托尔、P.H.S.和；默里，D.W.（1994）。随机运动聚类。在LNCS：卷801。欧洲计算机视觉会议（ECCV），瑞典斯德哥尔摩（328-337页）。
[32] Tron，R.和；Vidal，R.（2007）。三维运动分割算法比较基准。在CVPR中。
[33] 维达尔·R、特隆·R和；Hartley，R.（2008）。使用功率分解和GPCA对缺失数据进行多帧运动分割。在IJCV。
[34] Vincent，E.和；Laganiere，R.（2001）。检测图像对中的平面单形性。ISPA，6月。
[35] Wills，J.、Agarwal，S.和；Belongie，S.（2003）。去哪里了。CVPR03（第37-44页）。
[36] Yan，J.和；Pollefeys，M.（2006）。运动分割的一般框架：独立、铰接、刚性、非刚性、退化和非退化。在欧洲计算机视觉会议（ECCV）上。
[37] Zabih，R.和；Kolmogorov，V.（2004）。具有图割的空间相干聚类。CVPR，6月·Zbl 1039.68667号
[38] Zhu，S.C.和；Yuille，A.（1996）。区域竞争：统一蛇、区域生长和Bayes/MDL用于多波段图像分割。IEEE模式分析和机器智能汇刊，18（9），884-900·doi:10.1109/34.537343
[39] Zrour，R.、Kenmochi，Y.、Talbot，H.、Buzer，L.、Hamam，Y.、Shimizu，I.和；Sugimoto，A.（2011年）。数字直线和平面拟合的最佳共识集。国际成像系统与技术杂志，21，45-57·doi:10.1002/ima.20269
[40] Zuliani，M.、Kenney，C.和；Manjunath，B.（2005年）。多重平移算法及其在平面单形图检测中的应用。在ICIP中。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。