公开(公告)号：CN108921871A

公开(公告)日：2018-11-30

申请号：CN201810610626.2

申请日：2018-07-27

Applicant: 福建农林大学

Inventor： 赖桃桃 ,  陈日清 ,  杨长才

IPC: G06T7/231

Abstract: 本发明公开一种基于全局贪婪搜索的鲁棒模型拟合方法，具体为：设置数据集，初始化参数；使用label来获取类标为m的第m个模型实例的内点；根据全局贪婪搜索的采样方法在 及输入数据 上生成模型假设 或根据HMSS的采样方法在label中类标为0的数据上生成模型假设；根据模型假设及label来获得新的label；融合最近生成的 个模型假设来得到 模型假设，然后用 模型假设来获得新的label;输出已生成的 个模型假设，并根据输出已生成的 个模型假设，对图像进行分割，完成模型拟合。本发明从内点中选取数据子集来生成更准确的初始模型假设，可应用于单应性矩阵估计、基本矩阵估计、两视图平面分割和运动分割等计算机视觉任务。

公开(公告)号：CN108921871B

公开(公告)日：2022-02-01

申请号：CN201810610626.2

申请日：2018-07-27

Applicant: 福建农林大学

Inventor： 赖桃桃 ,  陈日清 ,  杨长才

IPC: G06T7/231

Abstract: 本发明公开一种基于全局贪婪搜索的鲁棒模型拟合方法，具体为：设置数据集，初始化参数；使用label来获取类标为m的第m个模型实例的内点；根据全局贪婪搜索的采样方法在及输入数据上生成模型假设或根据HMSS的采样方法在label中类标为0的数据上生成模型假设；根据模型假设及label来获得新的label；融合最近生成的个模型假设来得到模型假设，然后用模型假设来获得新的label;输出已生成的个模型假设，并根据输出已生成的个模型假设，对图像进行分割，完成模型拟合。本发明从内点中选取数据子集来生成更准确的初始模型假设，可应用于单应性矩阵估计、基本矩阵估计、两视图平面分割和运动分割等计算机视觉任务。