基于各点异性理论的基础矩阵鲁棒估计

针对基础矩阵常用算法对噪声过于敏感、抗干扰能力差等缺点,基于误差与变量相关（Errors-in—Variables,EIV）模型提出1种新的鲁棒性基础矩阵估计算法．该算法采用各点异性回归技术,建立EIV模型,依据数据矢量观测集合最优地估计EIV模型参数和数据矢量真值集合．实验结果表明,在存在较大噪声干扰的条件下,此算法仍能较为准确地估计基础矩阵,具有良好的鲁棒性和较快的运算速度.     

一种新的基于线性EIV模型的鲁棒估计算法

提出了一种新的基于线性EIV模型的鲁棒估计算法——鲁棒扩充算法．该算法从结构化数据区域出发,逐渐扩充模型数据集,并不断更新模型参数的估计,直至找到所有模型数据．在每次迭代中,使用C-Step方法对集合进行调整,从而保证了算法的鲁棒性．同时,提出了关于粗差数据和结构化数据分布的结构化密度假设,结合Mean Shift算法,完成对算法的初始位置选取．仿真结果表明,该算法可以有效地处理含有多个结构和大量离群样本的混杂数据,与现有算法相比,具有更强的鲁棒性和更高的精度．     

顾及空间各向异性的IDW插值算法

针对距离平方反比插值算法(IDW)未能考虑事物的方向性特征以及插值精度较低的情况,提出一种带方向的各向异性空间插值的优化算法。通过最小二乘法的椭圆拟合改进算法确定椭圆公式,利用距离平方归一化方法将椭圆转化为各向同性模型,构造一个新的计算模型。以油田真实地质分层数据和砂体地层面表面模型为例,对所提算法进行验证分析,实验结果表明,与传统的距离平方反比插值算法相比,该算法将椭圆作为搜索区域,考虑到搜索方向的各向异性特征,提高了搜索区域内已知点选取的有效性,精度较高,更能反映数据的实际情况。     

基于随机采样一致性算法的平面匹配方法

针对传统的平面图像标定点匹配算法计算量大、准确性不高等问题,提出一种基于随机采样一致性(RANSAC)算法的快速高精度的平面图像标定点匹配方法。该方法首先基于双圆锥曲线模型,借助于椭圆边缘点附近的梯度信息求取椭圆的切线,由切线集合拟合出椭圆参数,并利用这些参数计算出椭圆圆心,即图像上的标志点;然后用RANSAC随机采样算法对标定板上的点和图像上的点进行匹配。实验验证该方法实现起来简单并且有较高的准确率。     

结合PCA与HEIV的椭圆目标检测算法

提出结合主元变换与异方差变量含误差模型的椭圆识别与定位方法。根据椭圆长轴对应于椭圆主元方向的特点,利用主元变换法将目标边缘数据变换到主元坐标系,给出新的椭圆轮廓度误差评定方法,将变换后数据点集的椭圆轮廓度误差作为椭圆识别的依据,采用基于异方差变量含误差模型的拟合算法获取椭圆的中心坐标。该方法将任意椭圆转化为标准型椭圆,简化了识别过程,考虑到椭圆数据点的异方差特性,提高了椭圆的定位精度,在噪声方差为0.05情况下,定位精度小于0.04 pixel。     

基于椭圆旋转的磁传感器误差补偿算法

针对硬磁干扰和软磁干扰条件下的磁罗盘误差补偿问题,对传统的误差椭圆假设模型进行改进,提出一种基于椭圆旋转的磁传感器误差补偿算法。分析磁罗盘误差产生的因素,并建立椭圆旋转数学模型。采用非线性最小二乘拟合算法推导出误差补偿参数公式。利用Honeywell双轴磁阻传感器的测量值和椭圆旋转拟合的算法,对两轴磁传感器进行测试标定与误差补偿。实验结果表明,椭圆旋转算法能够有效补偿外部磁场产生的硬磁干扰和软磁干扰,与传统的椭圆模型补偿算法相比,该算法测得的航向角最大误差从2.0°减小到0.4°。     

加权总体最小二乘在铁路曲线正矢拟合的应用

针对铁路线路正矢数据特征,考虑自变量、因变量同时存在误差的情况,提出EIV（Error-in-Variables）模型下的加权总体最小二乘法（WTLS）进行曲线拟合。通过分析拟合点贡献的不等确定度以及修正设计矩阵[A]的列向量分别引入权阵[Py、][Px、][P0],并给出选权迭代算法。经实例证明,WTLS比传统的LS、TLS方法具有更高的拟合精度。     

基于矢量斜率的分段线性拟合*

介绍了用统计矢量斜率进行平面数据点分段线性拟合的算法.对于欲拟合的一系列平面数据点,一般是有先后顺序的.首先给出了矢量斜率的定义,然后计算每个平面数据点的统计矢量斜率,根据各点矢量斜率值接近的情况,将数据点分割成组,拟合各组数据形成线段,把各线段首尾连接起来就得到了平面数据点的分段线性拟合.定义的矢量斜率包含大小和方向两方面信息,主值区间为（－4～＋4）,它在主值区间的变化与角度在（－180°～180°）区间中的变化一一对应,且它们的关系曲线有很好的线性度.使用传统斜率进行分段线性拟合,存在斜率值与角度的关系曲线线性度差、斜率取值有时趋向无穷等问题,这些问题影响了拟合的精度,并限制了算法的使用范围.矢量斜率克服了上述问题,从而提供了拟合曲线的质量,且算法可适用于任意曲线.算法时间复杂度为线性.     

面向网络故障和性能管理的告警聚类关联

对告警发生的时间特性进行了分析,给出了一种自动伸缩的关联窗口选择算法,保证了告警集合的完整性。采用非确定性网络实体关系模型构造概率编码本,引入虚拟伴生告警解决了孤立告警故障问题。最后提出了一种概率编码本矢量解码算法,利用预处理算法对故障空间进行简约,然后用矢量启发式算法寻找最可能的故障集合。算法仿真证明矢量解码算法与增量假定更新算法有相同的准确性,而矢量解码算法有更高的解码速度。     

隐式多项式曲线的信息建模研究进展

用隐式多项式曲线来描述数据点集合轮廓具有天然的优势,尤其是在数据点集合轮廓的拟合过程中体现得更为明显。概括了基于隐式多项式曲线的信息建模研究现状,侧重于目前国内外各种隐式多项式曲线拟合算法的分析以及优劣比较。以多个图像物体数据点集合轮廓为例,使用各种拟合算法对其进行拟合,并给出了拟合的效果,分析了算法的优劣和改进措施以及以后的研究方向.     

Heteroscedastic Regression in Computer Vision: Problems with Bilinear Constraint

We present an algorithm to estimate the parameters of a linear model in the presence of heteroscedastic noise, i.e., each data point having a different covariance matrix. The algorithm is motivated by the recovery of bilinear forms, one of the fundamental problems in computer vision which appears whenever the epipolar constraint is imposed, or a conic is fit to noisy data points. We employ the errors-in-variables (EIV) model and show why already at moderate noise levels most available methods fail to provide a satisfactory solution. The improved behavior of the new algorithm is due to two factors: taking into account the heteroscedastic nature of the errors arising from the linearization of the bilinear form, and the use of generalized singular value decomposition (GSVD) in the computations. The performance of the algorithm is compared with several methods proposed in the literature for ellipse fitting and estimation of the fundamental matrix. It is shown that the algorithm achieves the accuracy of nonlinear optimization techniques at much less computational cost.     

使用广义正交概念的K-RANSAC椭圆提取

开发了一个使用广义正交概念的K-RANSAC椭圆提取算法.该算法通过使用广义正 交概念,成功地把圆的所有性质推广到椭圆;通过仿射变换把水平-垂直种子点对一般化为任意 种子点对情况;通过对边缘点集的归一化运算,有效地正则化了提取椭圆的边缘点集的病态性; 并通过直接估计椭圆参数的广义本征分析技术,进一步提高椭圆的可检测性和拟合精度.理论 分析和实验结果表明,所开发的椭圆提取算法具有鲁棒性强、适用范围广、精度高、速度快等 优点.     

一种改进的激光光斑中心检测算法在路基沉降测量中的实现

通过检测激光光斑中心位置偏移的方法来监测路基沉降,是一种便携易布设的方法。而激光光斑中心的检测可以使用重心法、圆拟合、椭圆拟合、高斯曲面拟合。采用重心法运算简单精度低,而采用拟合法精度更高,由于光轴与靶面间存在夹角,光斑更近似看作一椭圆,应用椭圆拟合,辅之以亚像素精度分割,Canny边缘提取后获得了较为理想的沉降监测精度。     

声纳阵列网络基于移动信标到达角的渐进最优节点自定位算法

针对水下声纳阵列网络节点自定位问题,提出一种基于移动信标到达角的三维总体最小二乘（TLS）节点自定位算法。首先给出了基于方位角和俯仰角的变量含误差模型,并根据该模型提出三维TLS算法,证明三维TLS算法随信标广播次数增加是渐进最优估计,仿真结果验证所提出算法的均方根误差渐进达到CRLB。     

基于莱特准则的椭圆拟合优化算法

普遍使用的代数距离最小的最小二乘（LS）椭圆拟合算法简单、易实现,但对样本点无选择,导致拟合结果易受误差点影响,拟合不准确。针对此特性,提出了一种基于莱特准则的椭圆拟合优化算法。首先,由代数距离最小的LS法对待拟合曲线进行椭圆拟合;其次,将待拟合曲线上的点与LS法拟合的椭圆的代数距离作为样本点集,在验证该样本点集服从正态分布的情况下,采用莱特准则,将样本点中值大于|3σ|的点判定为野值并剔除,进行多次拟合,直至样本点中无野值;最后,得到椭圆最优拟合结果。仿真实验结果表明,优化算法的拟合误差在1.0%以下,相比同条件下的LS法,其拟合精度至少提高2个百分点。优化算法的仿真结果与其在香烟圆度在线检测中的实际应用验证了此算法的有效性。     

基于非线性最小二乘原理的原木端面识别算法

为了更好地进行原木端面识别,研究了一种基于非线性最小二乘原理的椭圆拟合算法。椭圆拟合的精度在很大程度上受初始值的影响,该方法通过对目标图像的边界点进行距离计算,得到了适当的初始值;之后运用最小二乘原理,计算边界点到拟合椭圆之间欧式距离的最小值,确定最优拟合椭圆的长短轴参数。实验结果表明,提出的算法在原木端面的识别中,具有良好的拟合精度和适用性。     

Splitting touching cells based on concave points and ellipse fitting

A new touching cells splitting algorithm based on concave points and ellipse fitting is proposed in this paper. The algorithm includes two parts: contour pre-processing and ellipse processing. The purpose of contour pre-processing is to smooth fluctuations of the contour, find concave points of the contour and divide the contour into different segments via the concave points. The purpose of ellipse processing is to process the different segments of the contour into possible single cells by using the properties of the fitted ellipses. Because concave points divide the whole contour of touching cells into different segments and different segments of one single cell have similar properties, the ellipse processing can separate the touching cells through ellipse fitting. This paper demonstrates a new way of using ellipse fitting to split the binary contour of touching cells. Experimental results show that our algorithm is efficient.     

基于无人机的道路点云数据分割提取算法

针对机载LiDAR获得道路的数据信息精确度低问题,提出基于无人机的低空扫描三维点云数据,动态拟合提取分割道路信息的算法.首先使用主成分分析法获得道路点数据的法向量,之后将高程信息和法向量信息结合,利用聚类算法获得道路的高程和法向量的范围,提取道路点云数据;其次利用多项式拟合对道路数据进行数学建模;然后通过动态多项式拟合提取出所有路面数据和路面上的资产以及行人车辆数据;最后使用区域生长算法对路面上的资产以及行人车辆数据进行分割.实验表明算法对道路上的遮挡物有很强的抗干扰能力,可以将路面提取出来并将路面上的数据分割进行分割,将本文算法与区域生长算法进行对比,本文算法对路面数据更加敏感.