论文部分内容阅读
鲁棒几何模型拟合是计算机视觉的一个基础性研究问题,广泛应用于各类计算机视觉任务,如单应性矩阵或基础矩阵估计、图像匹配、医学图像分析等.它的主要任务是:在包含噪声点和离群点的数据集中估计模型实例的参数和个数.针对该任务,本文提出一种基于新型数据表征(称之为偏好统计数据表征)的模型拟合方法.该新型数据表征算法将残差值进行排序然后映射到不同的区间以构建残差直方图数据表征,来描述数据分布的特征.该算法充分利用传统模型拟合方法中偏好分析和一致性统计分析的优点,更加有效地对数据分布特征进行描述,从而有效地提高数