[发明专利]一种基于连续潜在语义分析的模型拟合方法

说明书

一种基于连续潜在语义分析的模型拟合方法，涉及计算机视觉技术。准备数据集。融合偏好分析和潜在语义分析构造潜在语义空间。分析潜在语义空间的数据分布。在潜在语义空间中自适应地去除离群点。在潜在语义空间中对剩下的数据点进行聚类分析。根据聚类结果估计模型参数，完成模型拟合。通过融合连续偏好分析和潜在语义分析快速有效地构造潜在语义空间，并将输入数据投影到所构造的潜在语义空间中，使得离群点靠近原点而来自不同模型实例的内点分布在不同的子空间中，从而将复杂的模型拟合问题看作成潜在语义空间中子空间恢复问题。本发明能够快速且有效地处理模型拟合问题。

技术领域

本发明涉及计算机视觉技术，尤其是涉及一种基于连续潜在语义分析的模型拟合方法。

背景技术

几何模型拟合是计算机视觉中最有挑战性的任务之一。它的主要任务是有效地从观测数据中估计恰当的模型参数。模型拟合方法已经被广泛应用于计算机视觉领域中，如，运动分割，图像拼接，光流计算，单应估计，基础矩阵估计，三维重构，等等。

在过去几十年中，大量的模型拟合算法被提出来。其中，Random SampleConsensus(RANSAC)(M.A.Fischler and R.C.Bolles.Random sample consensus:aparadigm for model fitting with applications to image analysis and automatedcartography.Comm.ACM,24(6):381–395,1981)是一种比较流行的拟合算法。一方面，RANSAC被广泛地应用在不同计算机视觉任务中。另外一方面，研究者提出了大量的RANSAC变种以提高它的性能。然而，RANSAC存在一些明显极限。比如，RANSAC采用“拟合-移除”的框架。该框架的计算有效性不是很高，且需要大量的计算时间。一般情况下，一个模型拟合方法包含两个步骤：1)通过采样生成大量的模型假设；2)根据这些模型假设估计模型实例的参数。很多工作针对两个步骤提出有效的改进方案，比如，Proximity(Y.Kanazawa andH.Kawakami,Detection ofplanar regions withuncalibrated stereo usingdistributions offeature points,in Proc.Bri.Mach.Vis.Conf.,2004,pp.2701–2710)和MultiGS(T.-J.Chin,J.Yu,and D.Suter,Accelerated hypothesis generationformultistructure data viapreference analysis,IEEETrans.PatternAnal.Mach.Intell.,vol.34,no.4,pp.625–638,2012)提出指导性采样算法，HMSS(R.Tennakoon,A.Bab-Hadiashar,Z.Cao,R.Hoseinnezhad,andD.Suter,Robustmodel fitting using higher than minimal subsetsampling,IEEETrans.PatternAnal.Mach.Intell.,vol.38,no.2,pp.350–362,2016)和RansaCov(L.MagriandA.Fusiello,Multiple model fitting as a set coverageproblem,in Proc.IEEEConf.Comput.Vis.Pattern Recogn.,2016,pp.3318–3326)提出改进模型选择的有效性。