一种新的估计基础矩阵的高精度鲁棒算法

张永祥; 穆铁英; 张伟功; 古佩强

Chinese

您当前的位置：

首页 >

文章列表页 >

一种新的估计基础矩阵的高精度鲁棒算法

更新时间：2026-09-04

- 一种新的估计基础矩阵的高精度鲁棒算法
- A New Fundamental Matrix Estimation Algorithm of High Accuracy and Robustness
- 微电子学与计算机 2016年33卷第3期页码：32-36
- 作者机构：
  
  1. 首都师范大学机构信息工程学院,北京,102248
  2. 首都师范大学高可靠嵌入式系统北京市工程技术研究中心,北京,100048
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61472260国家自然科学基金项目 61402302北京市自然科学基金资助项目 4143060北京市属高等学校创新团队建设与教师职业发展计划项目 IDHT20150507
- DOI：
  中图分类号：
- 纸质出版：2016
- 稿件说明：
移动端阅览
张永祥, 穆铁英, 张伟功, 古佩强. 一种新的估计基础矩阵的高精度鲁棒算法[J]. 微电子学与计算机, 2016, 33(3): 32-36.

ZHANG Yong-xiang, MU Tie-ying, ZHANG Wei-gong, et al. A New Fundamental Matrix Estimation Algorithm of High Accuracy and Robustness[J]. 2016, 33(3): 32-36.
张永祥, 穆铁英, 张伟功, 古佩强. 一种新的估计基础矩阵的高精度鲁棒算法[J]. 微电子学与计算机, 2016, 33(3): 32-36. DOI：

ZHANG Yong-xiang, MU Tie-ying, ZHANG Wei-gong, et al. A New Fundamental Matrix Estimation Algorithm of High Accuracy and Robustness[J]. 2016, 33(3): 32-36. DOI：

摘要

针对基础矩阵估计过程中因异常数据的影响导致精度和稳定性不好等问题

提出一种新的基础矩阵的估计算法.该算法首先对匹配点采用了新的分组抽样策略

突出了随机性和均匀性.然后以对极距离作为准则

通过二次中值的方法获得新的内点集和基础矩阵初值.最后引入动态惩罚加权的思想

对新的匹配点集进行非线性优化

恢复了精确的对极几何关系.大量的模拟数据和真实图像实验数据结果表明

在误匹配和噪声存在的情况下

提出的算法切实可行

能够提高基础矩阵估计的精度和鲁棒性.

Abstract

In view of the dissatisfactory accuracy and stability caused by outliers in the process of estimating fundamental matrix

a novel fundamental matrix estimation algorithm was presented in this paper. First a new packet sampling strategy was adopted to the matched points

which emphasized the randomness and uniformity. Under rules of the distance between the point matches and the corresponding epipolar lines

a new inlier set of matched points and original fundamental matrix were obtained via the twice-mid-value method. Finally

the thought of dynamic punishment weighing was introduced to nonlinearly optimize the new point set

which gained the accurate epipolar geometry. Results of a mass of experiments on simulated data and real images indicate that the proposed approach is a practical way and yields the precise and robust fundamental matrix in the case of mismatch and Gaussian noise.

关键词

Keywords

references

Cambridge Hartley R, Zisserman A, Ebrary I. Multiple view geometry in computer vision [M]. Cambridge: Cambridge Univ Press, 2013

张耀. 基础矩阵计算及其在立体视差估计中的应用[D]. 西安: 西安电子科技大学, 2008.

Zhong H X, Pang Y J, Feng Y P. A new approach to estimating fundamental matrix[J]. Image and Vision Computing, 2006, 24(1): 56-60. DOI: 56

Cai Tao, Duan Shanxu, Li Dehua. Performance comparison and analysis of fundamental matrix estimating methods for computer vision applications[J]. Computer Science, 2009, 36(12): 243-247. DOI: 243

Menglong Yang, Yiguang Liu, Zhisheng You. Estimating the fundamental matrix based on least absolute deviation[J]. Neurocomputing, 2011, 74(17), 3638-3645. DOI: 3638

Chen Jiunhung, Chen Chusong, Chen Yongsheng. Fast algorithm for robust template matching with M-estimators[J]. IEEE Transactions on Signal Processing, 2008, 51(1): 230-243. DOI: 230

孙亦南, 刘伟军, 马永壮, 等. 一种加权计算基础矩阵的高精度算法[J]. 计算机工程, 2005, 31(15): 186-188. DOI: 186

范昭君, 辛菁. 基于改进最小平方中值算法的基本矩阵估计算法[J]. 新技术新工艺, 2014, 35(7): 51-55. DOI: 51

鲁珊, 雷英杰, 孔韦韦, 等. 基于概率抽样一致性的基础矩阵估计算法[J]. 控制与决策, 2012, 27(3): 425-430. DOI: 425

周凡, 邵世雄, 吴建华, 等. 一种联合直线特征的基础矩阵计算方法[J]. 光学学报, 2013, 33(10): 1-8. DOI: 1

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

注意力机制与改进密集卷积引导的信息隐藏模型

前缀标签嵌入的参数高效微调与预测分数引导Mixup的文本分类方法

基于AKAZE算子的抗翻拍自适应鲁棒性水印

基于密文域扩展和DNA双向编码的可逆水印算法

萤火虫算法优化的小波域图像水印技术