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。