一种基于超像素的确定性模型拟合方法技术

一种基于超像素的确定性模型拟合方法，涉及计算机视觉技术。包括以下步骤：A.准备数据集；B.对图片进行超像素分割；C.通过分析超像素信息，对输入的数据进行预分组，以降低算法搜索时间复杂度；D.在数据集的分组信息基础上，提出一种确定性生成假设方法；E.提出一种模型选择方法，每次选取最佳模型假设，同时去除多余模型假设；F.根据选取的每个模型实例，区分内点与野点，完成模型拟合。能提取超像素分割的有效信息，以确定性地生成高质量的模型假设。有效避免当前模型选择方法对内点尺度的敏感性。能确定地处理多结构模型数据，而且不需大量的迭代优化，从而保证方法高效性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉技术，具体是涉及一种基于超像素的确定性模型拟合方法。
技术介绍
计算机视觉是计算机重要的组成部分，它的发展与我们的生活已息息相关。如何让计算机快速有效地获取场景信息，显然是一个基础任务。而模型拟合是基于观测数据拟合参数，将场景信息提炼成数字信息传送到计算机中。当前，模型拟合方法在很多方面都有了比较成功的运用，比如，运动分割、图像拼接、光流计算、单应估计、基础矩阵估计等。在这些方法中，比较典型的例子是Random Sample Consensus(RANSAC)(M.A.Fischler and R.C.Bolles.Random sample consensus:a paradigm for model fitting with applications to image analysis and automated cartography.Comm.ACM,24(6):381–395,1981)。RANSAC拟合方法能够处理含有高比例野点的数据，其主要步骤包括：1)通过随机采样生成大量模型假设；2)通过人工设定内点尺度，计算每个模型假设的内点数目，并选择内本文档来自技高网...

【技术保护点】
一种基于超像素的确定性模型拟合方法，其特征在于包括以下步骤：A.准备数据集；B.对图片进行超像素分割；C.通过分析超像素信息，对输入的数据进行预分组，以降低算法搜索时间复杂度；D.在数据集的分组信息基础上，提出一种确定性生成假设方法；E.提出一种模型选择方法，每次选取最佳模型假设，同时去除多余模型假设；F.根据选取的每个模型实例，区分内点与野点，完成模型拟合。

【技术特征摘要】
1.一种基于超像素的确定性模型拟合方法，其特征在于包括以下步骤：A.准备数据集；B.对图片进行超像素分割；C.通过分析超像素信息，对输入的数据进行预分组，以降低算法搜索时间复杂度；D.在数据集的分组信息基础上，提出一种确定性生成假设方法；E.提出一种模型选择方法，每次选取最佳模型假设，同时去除多余模型假设；F.根据选取的每个模型实例，区分内点与野点，完成模型拟合。2.如权利要求1所述一种基于超像素的确定性模型拟合方法，其特征在于在步骤A中，所述准备数据集的具体方法如下：采用SIFT特征提取算法和匹配算法获取图像的匹配对，得到为数据总数，为自然数。3.如权利要求1所述...

【专利技术属性】
技术研发人员：王菡子，肖国宝，严严，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建;35