基于Jaccard距离与概念聚类的多模型估计

摘要：

Multi-RANSAC、RHT等方法难以有效实现多模型估计.为此,提出一种基于模型聚类的多模型估计方法.将数据点描述为所属模型的倾向集,把倾向集间的Jaccard距离描述为数据点的一种属性,基于该属性使用改进的Cobweb算法进行聚类.该方法无需预知模型数目和参数变换,可有效克服漏检、交叉模型误检等情况.实验结果表明,该方法具有高效、高精度等优点,适用于消隐点检测、相机自标定等领域.

关键词：计算机视觉、外点、倾向集、Jaccard距离、Cobweb聚类、多模型估计

所属期刊栏目：38

分类号：TP18(自动化基础理论)

资助基金：国家"863"计划基金资助项目2007AA01Z179

在线出版日期：2012-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：22-26