萨科特·阿南德;苏希尔·米塔尔;彼得·米尔 使用格拉斯曼流形的计算机视觉鲁棒估计。 （英语） Zbl 1357.68250号 Turaga，Pavan K.（编辑）等，《计算机视觉中的黎曼计算》。查姆：施普林格（ISBN 978-3-319-22956-0/hbk；978-3-3169-22957-7/电子书）。125-144 (2016). 摘要：真实世界的视觉数据经常被破坏，需要使用对噪声和离群值鲁棒的估计技术。对欧几里德空间的稳健方法进行了深入研究，并将其应用扩展到黎曼空间。在本章中，我们介绍了格拉斯曼流形的必要数学构造，然后介绍了两种可以对其进行稳健估计的不同算法。在第一种方法中，我们描述了一种非线性均值漂移算法，用于寻找潜在核密度估计（KDE）的模式。在第二种方法中，详细介绍了一种用户依赖的稳健回归算法——广义投影M-估计（gpbM）。我们表明，如果还包括Grassmann流形上的KDE优化，则gpbM估计值会显著提高。一些实际计算机视觉问题的结果表明，使用格拉斯曼流形进行鲁棒估计的重要性。关于整个系列，请参见[Zbl 1335.65003号]. MSC公司： 68T45型 机器视觉和场景理解 53立方30 齐次流形的微分几何 62H11型 定向数据；空间统计学 62甲12 多元分析中的估计 68单位05 计算机图形；计算几何（数字和算法方面） 软件：SIFT公司 PDF格式BibTeX公司 XML格式引用 \textit{S.Anand}等人，in：计算机视觉中的黎曼计算。查姆：斯普林格。125-144（2016；Zbl 1357.68250） 全文： 内政部 参考文献： 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。