论文部分内容阅读
提出一种在数字图像中估计椭圆模型参数的鲁棒方法。该方法采用自下而上的思路,结合RANSAC(Random sample consensus)算法,先将图像中的样本分割成具有类内结构相似性的子类群,再依据类间拟合相似性将子类合并,最后在完成聚合的类中估计出模型参数。该方法的优势在于无约束性,不需要先验条件,可以在模型的数量、尺度等信息未知的情况下进行参数估计,并有效抑制离群数据影响。实验结果表明,该方法估计精度较高,鲁棒性能良好。