[发明专利]一种针对模型拟合中不平衡数据的采样方法

说明书

本发明涉及一种针对模型拟合中不平衡数据的采样方法，包括以下步骤：步骤S1:提取图像特征数据，并构成数据集；步骤S2:从数据集中随机采样一个最小子集，作为代表性子集,并初始化采样集合；步骤S3:从数据集中随机采样一个最小子集，作为采样子集；步骤S4:根据代表性采样子集和采样子集更新采样集合；步骤S5:循环步骤S3至步骤S4，直至满足预设终止条件；步骤S6:去除多余的模型假设，得到最终采样集合；步骤S7:将最终采样集合作为模型拟合的输入数据，以完成最后的参数估计和图像分割。本发明采样方法能够有效地提高参数估计和图像分割的性能。

技术领域

本发明涉及计算机视觉技术领域，涉及一种针对模型拟合中不平衡数据的采样方法。

背景技术

随着越来越多的计算机视觉产品出现在我们现实生活中，模型拟合作为计算机视觉的一项重要的基础研究越来越重要。而如何有效地采样子集是模型拟合重要的一个步骤。

当前的采样方法可以分为随机采样和指导性采样。随机采样方法中，比较有代表性的有Random Sample Consensus(RANSAC)(M.A.Fischler and R.C.Bolles.Randomsample consensus:a paradigm for model fitting with applications to imageanalysis and automated cartography.Comm.ACM,24(6):381–395,1981)。指导性采样有Proximity(Y.Kanazawa,H.Kawakami,Detection of planar regions with uncalibratedstereo using distributions of feature points.,in:Proc.Bri.Mach.Vis.Conf.,2004,pp.247-256)；MultiGS(T.-J.Chin,J.Yu,D.Suter,Accelerated hypothesisgeneration for multistructure data via preference analysis,IEEE Trans.PatternAnal.Mach.Intell.34(4):625-638,2012)；SDF(G.Xiao,H.Wang,Y.Yan,and D.Suter,Superpixel-guided two-view deterministic geometric model ftting,Int.J.Comput.Vis.,127(4),323-339,2019).

当前的采样方法在正常情况下能够有效地采样高质量的模型假设。然而，当数据出现不平衡时(即属于不同模型实例的内点数量存在较大的不平衡)，当前的采样方法很难采样到对应小结构的模型假设。而不平衡数据在现实生活中比较普通，因此，研究不平衡数据的采样方法具有很大的意义。

发明内容

有鉴于此，本发明的目的在于提供一种针对模型拟合中不平衡数据的采样方法，能够有效地提高图片分割和参数估计的性能。

为实现上述目的，本发明采用如下技术方案：

一种针对模型拟合中不平衡数据的采样方法，包括以下步骤：

步骤S1:提取图像特征数据，并构成数据集；

步骤S2:从数据集中随机采样一个最小子集，作为代表性子集，并初始化采样集合；

步骤S3:从数据集中随机采样一个最小子集，作为采样子集；

步骤S4:根据代表性采样子集和采样子集更新采样集合；

步骤S5:循环步骤S3至步骤S4，直至满足预设终止条件；

步骤S6:去除多余的模型假设，得到最终采样集合；

步骤S7:将最终采样集合作为模型拟合的输入数据，以完成最后的参数估计和图像分割。