GMSAC——一种鲁棒的基于高斯混合模型的基础矩阵估计算法
基础矩阵的鲁棒性估计是计算机视觉领域的一个基本问题.为了提高基础矩阵的估计精度,首先指出了现有的鲁棒性算法--RANsAC和MLESAC理论上的缺陷和实际应用中的问题;然后通过详细分析局外点复杂的成因,同时运用混合高斯分布代替均匀分布分别对不同成因的局外点进行了有针对性的建模,并提出了一种鲁棒性更强的算法--GMSAC.实验结果表明,相比于MLESAC算法,GMSAC算法提供了更高的模型似然度和计算精度.
基础矩阵、局外点、随机抽样一致性算法、随机抽样最大似然算法、混合高斯模型
13
TP301.6(计算技术、计算机技术)
2008-11-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
1789-1795