基于三视图约束的基础矩阵估计

考虑到只依赖对极几何关系的匹配点余差并不能完全区分匹配点的正确与否,从而影响内点集选取的情况,提出基于三视图约束的基础矩阵估计算法。首先,使用传统随机抽样一致性（RANSAC）算法计算三视图的任意两对相邻图像间的基础矩阵,确定三视图中共有的匹配点对,并计算估计基础矩阵时非共用图像上的匹配点在共用图像上的极线;然后,计算两条极线的交点与共用图像上对应匹配点间的距离,以距离值的大小作为内点判断的依据,得到新的内点集。在新内点集的基础上,采用M估计算法重新计算基础矩阵。实验结果表明：该方法可以同时降低噪声和错误匹配对基础矩阵精确计算的影响,精度优于传统鲁棒性算法,使点到极线的距离限制在0.3个像素左右,而且计算结果具有稳定性,可以被广泛地应用到基于图像序列的三维重建和摄影测量等领域中。     

旋转矩阵估计的约束优化方法

本文利用旋转矩阵的正交性,提出了进一步改善原旋转矩阵估计的约束优化方法.新方法具有3个明显的优点:1)进一步提高了旋转矩阵的估计精度,2)保证了旋转矩阵估计的正交性.3)估计过程与输入旋转矩阵的获取过程无关.     

极点约束不确定系统非脆弱滤波器的设计

针对一类具有参数不确定性的线性系统,研究其闭环极点区域约束下的鲁棒非脆弱滤波器的设计问题.在对象及滤波器同时存在不确定性的情况下,控制目标要求闭环系统鲁棒稳定,干扰抑制性能指标小于给定的上界,并且闭环极点配置于复平面上指定的圆盘内.针对系统和滤波器具有乘法增益摄动的情况,以线性矩阵不等式的形式给出了非脆弱滤波器的可解性条件.数值算例表明了该方法的有效性.     

具有闭环极点和方差约束的不确定离散系统鲁棒控制

对一类具有范数有界不确定性的离散时间系统,研究了使得闭环系统的所有极点位于一给定圆盘,且稳定状态方差不超过给定上界的状态反馈鲁棒方差控制律设计问题,基于线性矩阵不等式的处理方法,导出了鲁棒方差控制律的存在条件,并用一组线性矩阵不等式的珂行解给出了鲁棒方差控制律的一个参数化表示,进而,通过建立和求解一个凸优化问题,给出了具有最泸控制能量的鲁棒方差控制律设计方法。     

图像重构中估计基础矩阵的线性迭代算法

基础矩阵给出了图像间对极几何关系的代数描述,对其精确估计一直是未标定图像序列重构中的一个非常关键的问题.本文在8点算法的基础上,通过引入与对极距离有关的权因子,给出了一种高精度估计基础矩阵的线性迭代算法.实验结果表明,与归一化8点算法相比,此算法具有更强的抗噪声能力,更小的计算误差,从而提高了所估计基础矩阵的精度.     

配置极点的约束方差设计

在随机控制问题中,性能指标常常表现为系统的状态方差或其上界的形式.本文研究了使闭环系统满足给定的状态方差约束、且具有预期闭环极点的线性反馈控制器的存在条件,给出具体的设计方法,并举例说明该设计方法具有简单、直接的特点.     

具有闭环区域极点和方差约束的鲁棒输出反馈控制

1引言 自方差控制提出以来,巳得到了广泛的研究,取得了一系列的研究成果[1～2].文献[2]研究了一类不确定连续系统具有闭环区域极点和方差约束的鲁棒控制问题,提出了鲁椴状态反馈控制器的设计方法.     

具有区域极点和方差约束的不确定连续系统鲁棒控制

对一类具有不确定参数的线性连续系统,研究使得闭环系统的稳态状态方差小于某个给定的上界,同时闭环极点位于一给定圆盘中的状态反馈鲁棒方差控制器设计问题.导出了控制器存在的条件,并证明了该条件等价于一个线性矩阵不等式系统的可解性问题,进而用这组线性矩阵不等式系统的可行解给出了一组所求控制器的一个参数化表示.据此,给出了具有最小能量的鲁棒方差控制器设计方法.     

应用稀疏约束的非负正则矩阵学习算法

针对非负矩阵分解后的数据稀疏性较低,训练样本偏多导致运算规模持续增大的普遍现象,本文提出基于稀疏约束的非负正则矩阵学习算法,本文算法是在样本几何结构信息条件上执行非负矩阵分解操作,并且与学习算法结合,不仅能够有效保持样本局部结构,还能够充分利用前期分解结果参加迭代运算,从而达到降低运算时间目的. 本文实验表明与其他算法比较来说,本文方法在ORL人脸数据库上最多节省时间14.84 s,在COIL20数据集上为136.1 s;而在分解后数据的稀疏性上,本文方法在ORL人脸数据库上的稀疏度提高0.0691,在COIL20数据集上为0.0587. 实验结果表明了算法有效性.     

鲁棒极点配置的优化算法

本文研究了一类线性多变量系统的鲁棒极点配置问题，提出了一种基于目标函数优化的鲁棒极点配置算法，解决问题的基本思想是，利用极点配置的参数化表示结果，以系统输出的Ｌ∞范数作为极点配置寻优的准则函数，在这个准则下，通过解优化问题的途径确定极点配置问题中的自由参数，从而达到鲁棒极点配置的目的。     

基本矩阵的鲁棒贪心估计算法

分析了基于随机抽样检验思想的现有鲁棒算法在基本矩阵的求解问题中存在的不足,提出一种获得基本矩阵最优解的算法.利用各种鲁棒技术获得内点集,以点到极线的距离作为最优量度标准,采用贪心策略在内点集中寻找最优子集,并利用最优子集来计算基本矩阵.合成数据与真实图像的实验结果表明,该算法在基本矩阵的求解精度、抗噪声能力、对极点的稳定性等方面优于现有的鲁棒方法.     

视图合成中基础矩阵的鲁棒性估计算法

在未定标系统中，对基础矩阵进行稳定估计是视图合成的关键环节。本文考虑到各匹配点由于误差不同而对基础矩阵造成的不同影响，通过在最优目标函数中引入与余差有关的权重因子提出了一种新的迭代加权线性算法。实验表明，此方法进一步提高了基础矩阵的估计精度，具有较好的稳定性且运算速度快，易于实现。     

基础矩阵估计的加权归一化线性算法

基础矩阵是对来自同一景物的两幅未定标图像进行分析的基本工具.对其进行估计的常用线性算法有八点算法和改进的八点算法,其最大的优点是运算简单、易于实现,但对噪声和错误数据较敏感,因此实用性差.通过引入与余差有关的代价函数,给出了一种新的鲁棒性线性算法——加权归一化算法.首先将原始输入数据加权归一化处理,然后再用八点算法求F阵的8个参数,实现了F阵的估计.大量的模拟数据和真实图像的实验结果表明,此算法不仅具有良好的鲁棒性,而且可提高基础矩阵的估计精度.     

对极几何估计的鲁棒性新算法

以８参数模型的Ｆ矩阵为基础,深入研究的Ｆ阵的稳定性求解中的若干问题,将求解对极点的问题归结为求解二元六次非线性方程的最优解问题,并将所求最优解作为进上步计算的最佳修造对极点,最后以余差最小准则获得Ｆ阵的全局最优解,实验结果表明,该方法不但使对极点的稳定性有较大提高,也能高精度地估计祟Ｆ阵。     

基于奇异值分解的英文文本检索算法

提出一种英文文本检索算法,从文本中提取奇异值向量作为复特征向量,利用向量间的余弦相似度作为文本检索的相似度度量.实验结果表明,该算法在检索准确率和运算效率上都优于传统的LSA算法.     

结合颜色矢量的谱匹配算法

提出2种结合颜色矢量的谱匹配算法。一种算法是从空间矢量关系的角度提取不受光源影响的图像颜色特征,结合图像特征点的几何特征,为待匹配的2幅图像分别构造亲近矩阵,通过对亲近矩阵进行奇异值分解构造一个反映特征点之间匹配程度的关系矩阵,从而获得匹配结果。另一种是将得到的匹配结果作为初始概率,通过双随机矩阵计算谱匹配概率矩阵,获得匹配的最终解。实验结果表明, 2种算法都具有较高的匹配精度。     

基于蚁群算法的多目标优化

提出2种结合颜色矢量的谱匹配算法。一种算法是从空间矢量关系的角度提取不受光源影响的图像颜色特征,结合图像特征点的几何特征,为待匹配的2幅图像分别构造亲近矩阵,通过对亲近矩阵进行奇异值分解构造一个反映特征点之间匹配程度的关系矩阵,从而获得匹配结果。另一种是将得到的匹配结果作为初始概率,通过双随机矩阵计算谱匹配概率矩阵,获得匹配的最终解。实验结果表明, 2种算法都具有较高的匹配精度。     

The Development and Comparison of Robust Methods for Estimating the Fundamental Matrix

This paper has two goals. The first is to develop a variety of robust methods for the computation of the Fundamental Matrix, the calibration-free representation of camera motion. The methods are drawn from the principal categories of robust estimators, viz. case deletion diagnostics, M-estimators and random sampling, and the paper develops the theory required to apply them to non-linear orthogonal regression problems. Although a considerable amount of interest has focussed on the application of robust estimation in computer vision, the relative merits of the many individual methods are unknown, leaving the potential practitioner to guess at their value. The second goal is therefore to compare and judge the methods.Comparative tests are carried out using correspondences generated both synthetically in a statistically controlled fashion and from feature matching in real imagery. In contrast with previously reported methods the goodness of fit to the synthetic observations is judged not in terms of the fit to the observations per se but in terms of fit to the ground truth. A variety of error measures are examined. The experiments allow a statistically satisfying and quasi-optimal method to be synthesized, which is shown to be stable with up to 50 percent outlier contamination, and may still be used if there are more than 50 percent outliers. Performance bounds are established for the method, and a variety of robust methods to estimate the standard deviation of the error and covariance matrix of the parameters are examined.The results of the comparison have broad applicability to vision algorithms where the input data are corrupted not only by noise but also by gross outliers.     

一种高精度估计的基础矩阵的线性算法

通过引入与余差有关的代价函数,给出了一种高精度估计基础矩阵的线性算法--加权平移算法.首先将原始输入数据加权,计算加权后数据的重心坐标,将坐标原点平移到该重心坐标,再作归一化处理.然后用8点算法求出基础矩阵F阵的8个参数,实现了F阵的高精度估计.实验结果表明,此算法具有良好的鲁棒性,且余差和对极距离都小于其他线性算法,提高了基础矩阵的精度.     

一种改进的MLESAC基本矩阵估计算法

为提高基本矩阵估计精度,提出一种改进的随机抽样最大似然估计算法.根据对极距离选择质量较好的原始数据,采用随机抽样一致性方法进行抽样,选择内点数最多的基本矩阵检验原始数据,剔除误差大的匹配点,结合约束条件对匹配集进行检验,以提高匹配集精度.实验结果表明,该算法的估计精度较高,稳定性较好.