Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Phương pháp thống kê vững chắc cho mô tả hình ảnh 2D và 3D
Tóm tắt
Trong bài báo này, vấn đề trích xuất các đặc trưng hình ảnh được xem xét với nhấn mạnh vào việc phát triển các phương pháp có khả năng chống chịu trong sự hiện diện của sự ô nhiễm dữ liệu. Vấn đề về độ vững chắc của các quy trình ước lượng đã nhận được sự chú ý đáng kể trong cộng đồng thống kê [1–3], nhưng các kết quả của nó chỉ mới gần đây được áp dụng vào các nhiệm vụ phân tích hình ảnh cụ thể [4–7]. Trong bài báo này, chúng tôi minh họa cách thiết kế các phương pháp vững chắc áp dụng cho các nhiệm vụ mô tả hình ảnh được đặt trong khuôn khổ kiểm định giả thuyết thống kê và ước lượng tham số. Phương pháp này được minh họa bằng cách áp dụng nó để tìm các hạt ước lượng tối ưu vững chắc cho phát hiện đường thẳng và phát hiện cạnh. Sau đó, chúng tôi thảo luận về mối quan hệ của các giải pháp tối ưu này với cả kỹ thuật Chuyển đổi Hough đã được thiết lập và các hạt ước lượng chuẩn được phát triển trong tài liệu thống kê. Việc áp dụng các hạt vững chắc tiêu chuẩn cho các nhiệm vụ phân tích hình ảnh được minh họa bằng hai ví dụ liên quan đến việc phát hiện cung tròn trong hình ảnh mức xám và phân đoạn bề mặt phẳng trong dữ liệu chiều sâu. Các phương pháp vững chắc được tìm thấy là công cụ chung hiệu quả để tạo ra các mô tả hình ảnh 2D và 3D.
Từ khóa
#trích xuất đặc trưng hình ảnh #phương pháp vững chắc #ước lượng tham số #Chuyển đổi Hough #phân tích hình ảnh 2D và 3DTài liệu tham khảo
P.J. Huber, Robust estimation of a location parameter, Ann. Math. Stat. 35 (1964) 73–101.
F. Hampel, E. Ronchetti, P. Rousseeuw and W. Stahel,Robust Statistics: The Approach Based on Influence Functions, (Wiley, New York, 1986).
P.J. Rousseeuw and A.M. Leroy,Robust Regression & Outlier Rejection, (Wiley, New York, 1987).
J. Princen, Hough transform methods for curve detection and parameter estimation, Ph.D. Thesis, University of Surrey (1990).
P. Meer, Robustness by consensus: the least median of squares family of estimators, in:Esprit-90 Vision Workshop, Heraklion, Greece, September 1990.
P.J. Besl, J.B. Birch and L.T. Watson, Robust window operators, in:Proc. 2nd IEEE Int. Conf. on Computer Vision, Florida, December 1988, pp. 591–600.
M. Petrou and J. Kittler, A robust method for edge detection, in:Applications of Artificial Intelligence X: Machine Vision and Robotics, SPIE 1708 (1992) 267–281.
J. Canny, A computational approach to edge detection, IEEE Trans. on Pattern Analysis and Machine Intelligence 6(6) (1986) 679–698.
R. Deriche, Using Canny's criteria to derive a recursively implemented optimal edge detector,Int. J. Computer Vision 1(2) (1987) 167.
M. Petrou and J. Kittler, Optimal edge detectors for ramp edges, IEEE Trans. Pattern Analysis and Machine Intelligence 13 (1991) 483–491.
G.C. Stockman and A.K. Agrawala, Equivalence of Hough curve detection to template matching, Commun. ACM 20 (1977) 820–822.
G.A. Jones, J. Princen, J. Illingworth and J. Kittler, Robust estimation of shape parameters, in:Proc. British Machine Vision Conference, Oxford, UK, September 1990.
G.A. Jones, J. Princen, J. Illingworth and J. Kittler, Depth data segmentation using robust estimation in a hierarchical data structure, in:Proc. IAPR Int. Workshop on Visual Form, Capri, Italy, May 1991.