×
Mozhdeh Shahbazi；Sohn，Gunho先生；杰罗姆·塞奥

鲁棒极线几何估计和离群点检测的进化优化。 （英语） Zbl 1433.62176号

算法（巴塞尔协议） 10，第3号，第87号论文，28页（2017年）.
摘要：本文提出了一种基于遗传算法的稳健技术，用于根据含有高百分比离群值的假定对应关系估计未标定透视立体图像的两视图极线几何。该技术的优点有三：（i）用进化搜索取代随机搜索，应用新的编码和引导采样策略；（ii）通过检测一组更为完整的内嵌线来稳健快速地估计极线几何，而无需对残差的概率分布作出任何假设；（iii）基于估计模型的不确定性确定内外阈值。该方法在合成数据和实际图像上进行了评估。将结果与最先进的最流行技术进行比较，包括RANSAC（随机样本一致性）、MSAC、MLESAC、Cov-RANSAC、LO-RANSAC、StaRSAC、Multi-GS RANSAC和最小平方中值（LMedS）。实验结果表明，与其他方法相比，该方法在内嵌检测和外极几何估计的准确性以及对主要受离群值和噪声污染的数据集的计算效率方面表现更好。

MSC公司：

62华氏35 多元分析中的图像分析
90 C59 数学规划中的近似方法和启发式

关键词：

稀疏匹配；异常检测；遗传算法；核极几何；进化搜索；引导取样；自适应阈值

软件：

NAPSAC公司；美国大西洋海岸
PDF格式BibTeX公司 XML格式引用
\textit{M.Shahbazi}等人，《算法（巴塞尔）》10，第3期，第87号论文，28页（2017；Zbl 1433.62176）
全文： 内政部

参考文献：

[1] 施密特，A。；基于EKF的相对地图定向视觉SLAM系统；计算机视觉和图形国际会议论文集：Cham，瑞士2014，570-577.
[2] Hartmann，J。；Klüssendorff，J.H。；Maehle，E。；可视化SLAM中特征描述符的比较；2013年IEEE欧洲移动机器人会议（ECMR）会议记录：，56-61.
[3] 温德尔，A。；Maurer，M。；格雷伯（G.Graber）。；Pock，T。；比肖夫，H。；密集现场重建；2012年IEEE计算机视觉和模式识别会议记录：，1450-1457.
[4] Kekec，T。；Yildirim，A。；Unel，M。；一种新的航空图像实时拼接方法；罗布。自动。系统：2014年；第62卷，1755-1767年。
[5] Ghosh，D。；Kaabouch，N。；图像拼接技术综述；J.视觉。Commun公司。图像表示：2016; 第34卷，1-11。
[6] He，H。；杜，J。；陈，X。；王，Y。；基于鲁棒透视不变特征的倾斜低空图像匹配；第七届国际电子与信息工程会议记录：，103221S号。
[7] Li，J.等人。；新墨西哥州阿林森。；当前计算机视觉局部特征综述；神经计算：2008年；第71卷，1771-1787。
[8] 阿波罗尼奥，F。；Ballabeni，A。；Gaiani，M。；雷蒙迪诺，F。；基于特征的网络自动定向方法评价；国际建筑。照片。远程传感器垃圾邮件。信息科学：2014年；第40卷，第47卷。
[9] Lin，W.Y。；刘，S。；蒋，N。；多，M.N。；Tan，P。；卢，J。；RepMatch：用于重建现代城市的稳健特征匹配和姿态；欧洲计算机视觉会议记录（ECCV 2016）：2016年瑞士查姆，562-579.
[10] 拉迪卡，V。；Kartikeyan，B。；Krishna，B.G。；乔杜里，S。；斯利瓦斯塔瓦，P.K。；星载图像的鲁棒立体图像匹配；IEEE传输。地质科学。遥感：2007年；第45卷，2993-3000。
[11] 王，Y。；黄，J。；刘杰。；唐，X。；一种基于概率密度和全局视差的高效图像配准方法；AEU国际电子杂志。共同点：2010; 第64卷，1148-1156。
[12] 哈斯勒，D。；斯拜兹，L。；Susstrunk，S。；Vetterli，M。；图像匹配中的孤立点建模；IEEE传输。模式分析。机器。智力：2003; 第25卷，301-315。
[13] A.亚当。；Rivlin，E。；Shimshoni，I。；ROR：通过旋转剔除异常值；IEEE传输。模式分析。机器。智力：2001; 第23卷，78-84。
[14] 刘，Z。；An，J。；Jing，Y。；基于受限空间顺序约束的航空图像配准简单鲁棒特征点匹配算法；IEEE传输。地质科学。遥感：2012年；第50卷，514-527。
[15] 费希勒，文学硕士。；波尔斯，R.C。；随机样本一致性：模型拟合范式及其在图像分析和自动制图中的应用；Commun公司。ACM:1981年；第24卷，381-395。
[16] 托尔，P。；齐瑟曼，A。；多视图关系的稳健计算与参数化；第六届计算机视觉国际会议论文集：，727-732.
[17] 托尔，P.H。；齐瑟曼，A。；MLESAC：一种新的稳健估计量及其在图像几何估计中的应用；计算。视觉。图像理解：2000; 第78卷，第138-156页。
[18] 托尔，P.H.S。；极线几何和泛型流形拟合的贝叶斯模型估计与选择；国际期刊计算。视觉：2002; 第50卷，35-61·Zbl 1012.68773号
[19] 托尔，P.H。；默里，D.W。；基本矩阵稳健估计方法的发展与比较；国际期刊计算。视觉：1997; 第24卷，271-300。
[20] Bab-Headishar，A。；Suter，D。；基于排序无偏尺度估计的视觉数据稳健分割；Robotica:1999年；第17卷，649-660。
[21] Choi，J。；梅迪奥尼，G。；Starsac：参数估计的稳定随机样本一致性；IEEE计算机视觉和模式识别会议记录（CVPR 2009）：，675-682.
[22] 拉古拉姆，R。；弗拉姆，J.M。；Pollefeys，M。；利用随机样本一致性中的不确定性；2009年IEEE第12届计算机视觉国际会议论文集：，2074-2081.
[23] 萨特勒，T。；Leibe，B。；Kobbelt，L。；SCRAMSAC：通过空间一致性过滤器提高RANSAC的效率；2009年IEEE第12届计算机视觉国际会议论文集：，2090-2097.
[24] 查姆·O。；马塔斯，J。；与PROSAC渐进样本一致性匹配；2005年IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05）：；第1卷，220-226。
[25] 赖，T。；王，H。；Yan，Y。；肖·G。；Suter，D。；多结构极线几何估计的有效引导假设生成；计算。视觉。图像理解：2017; 第154152-165卷。
[26] Ni，K。；Jin，H。；Dellaert，F.公司。；GroupSAC：在分组面前达成有效共识；2009年IEEE第12届国际计算机视觉会议论文集：，2193-2200.
[27] 钦，T.J。；余，J。；Suter，D。；基于偏好分析的多结构数据加速假设生成；IEEE传输。模式分析。机器。智力：2012; 第34卷，第625-638页。
[28] Cheng，C.M。；Lai，S.H.公司。；快速稳健模型拟合的一致抽样技术；图案识别：2009年；第42卷，1318-1329·Zbl 1183.68719号
[29] 胡，M。；McMenemy，K。；Ferguson，S。；多兹，G。；袁，B。；基于进化代理的外极几何估计；图案识别：2008; 第41卷，575-591·Zbl 1131.68112号
[30] Chai，J.（柴，J.）。；德马，S。；基于遗传算法的鲁棒极线几何估计；模式识别。信函：1998; 第19卷，829-838。
[31] 罗德霍斯，V。；俄勒冈州海尔威奇。；遗传算法样本一致性（gasac）——一种鲁棒参数估计的并行策略；2006年计算机视觉和模式识别研讨会会议记录（CVPRW’06）：，103
[32] 马塔斯，J。；查姆·O。；随机RANSAC，进行Td，d检验；图像可视性。计算：2004; 第22卷，837-842。
[33] 卡佩尔，D.P。；RANSAC共识评分的有效纾困测试；BMVC 2005年会议记录：。
[34] 马塔斯，J。；查姆·O。；随机RANSAC与序贯概率比检验；第十届IEEE计算机视觉国际会议记录（ICCV'05）：；卷第2卷，1727-1732。
[35] 查姆·O。；马塔斯，J。；最优随机RANSAC；IEEE传输。模式分析。机器。智力：2008; 第30卷，1472-1482。
[36] Nistér，D。；用于实时结构和运动估计的抢占式RANSAC；机器。视觉。申请：2005; 第16卷，321-329。
[37] 查姆·O。；沃纳，T。；马塔斯，J。；不受主平面影响的双视图几何估计；2005年IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'05）：；第1卷，772-779。
[38] Lebeda，K。；马塔斯，J。；查姆·O。；确定局部优化的transac-full实验评价；英国机器视觉会议记录：，1-11.
[39] 弗拉姆，J.M。；Pollefeys，M。；（准）退化数据的RANSAC（QDEGSAC）；IEEE计算机学会会议论文集计算机视觉和模式识别（CVPR'06）：；第1卷，453-460。
[40] 拉古拉姆，R。；查姆·O。；Pollefeys，M。；马塔斯，J。；弗拉姆，J.M。；USAC：随机样本共识的通用框架；IEEE传输。模式分析。机器。智力：2013; 第35卷，2022-2038。
[41] 阿曼戈，X。；萨尔维，J。；关于基本矩阵估计的总体观点；图像视觉。计算：2003; 第21卷，205-220。
[42] 哈特利，R。；齐瑟曼；计算机视觉中的多视图几何：剑桥，英国2003·Zbl 0956.68149号
[43] R.I.哈特利。；为八点算法辩护；IEEE传输。模式分析。机器。智力：1997; 第19卷，580-593。
[44] 钟，H。；Pang，Y。；Feng，Y。；一种新的基本矩阵估计方法；图像可视性。计算：2006; 第24卷，第56-60页。
[45] Golub，G.H。；Van Loan，C.F；矩阵计算：马里兰州巴尔的摩，2012年，美国；第三卷·Zbl 1268.65037号
[46] 张，Z。；确定极线几何及其不确定性：综述；国际期刊计算。视觉：1998; 第27卷，161-195。
[47] 郑毅。；杉本，S。；Okutomi，M。；一种实用的秩约束八点基本矩阵估计算法；IEEE计算机视觉和模式识别会议记录：，1546-1553.
[48] Chesi，G。；加鲁利，A。；维奇诺，A。；Cipolla，R。；用约束最小二乘估计基本矩阵：凸方法；IEEE传输。模式分析。机器。智力：2002; 第24卷，397-401。
[49] 休伯特，M。；罗塞乌，P.J。；Van Aelst，S。；高分解稳健多元方法；统计科学：2008; 第23卷，92-119·Zbl 1327.62328号
[50] Deep，K。；辛格，K.P。；Kansal，M。；莫汉，C。；求解整数和混合整数优化问题的实数编码遗传算法；申请。数学。计算：2009年；第212卷，第505-518页·兹比尔1168.65353
[51] 查姆·O。；马塔斯，J。；Kittler，J。；局部优化的RANSAC；联合模式识别研讨会：柏林/海德堡，德国2003，236-243.
[52] Engelbrecht，美联社；计算智能：简介：奇切斯特，英国，2007。
[53] Myatt，D.R。；托尔，P。；S.J.Nasuto。；Bishop，J.M。；克雷多克，R。；NAPSAC：高噪声、高维稳健估计；英国机器视觉会议记录：。
[54] 苏尔，F。；努里，N。；M.O.伯杰。；计算基本矩阵估计的8点算法的不确定性；第19届英国机器视觉会议论文集（BMVC 2008）：，10
[55] Nex，F。；Gerke，M。；雷蒙迪诺，F。；普日比拉，H。；Baumker，M。；苏霍斯特，A。；ISPRS多平台摄影测量基准；ISPRS Ann.照片。远程传感器垃圾邮件。信息科学：2015; 第2卷，135-142。
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。