多结构点模型的鲁棒估计开题报告

1. 研究目的与意义

背景：

21 世纪是信息化的时代，信息的形式不再是单纯的语音，而是发展到包括数据、文字、图像、视频等在内的多媒体形式。据统计，人类接受外界的信息中有70%来自于图像。因此，图像处理技术在人类生产和生活的方方面面起到了越来越重要的作用。

然而图像在拍摄和传输过程中，由于所使用的器件和传输通道的局限性被加入了大量的噪声，严重影响了图像的视觉效果，甚至妨碍了人们的正常识别。

2. 研究内容和预期目标

子结构聚类是模式识别、计算机视觉等领域的一类基本问题，鲁棒性是衡量算法性能的重要指标。本项目要求以二维平面含噪点集模型为例，用统计学习方法实现子结构（如直线，圆等图形）的提取。本项目要求选择一种典型的统计学习算法（如随机采样一致性ransac等）实现二维含噪点集的子结构提取与聚类，用python或matlab或java等高级语言编程实现，并对算法准确率等性能进行评价。主要内容包括：

1）研究ransac算法的基本原理以及ransac在子结构聚类时的fitting-and-removing策略。

2）在局部邻域应用ransac算法实现点集聚类。

3. 研究的方法与步骤

原理：

ransac算法从匹配数据集中随机抽出4个样本并保证这4个样本之间不共线，计算出单应性矩阵，然后利用这个模型测试所有数据，并计算满足这个模型数据点的个数与投影误差(即代价函数)，若此模型为最优模型，则对应的代价函数最小。

步骤：

4. 参考文献

[1] martin a. fischler and robert c. bolles (june 1981). random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography.comm. of the acm24: 381–395

[2] wang jg, luo x. purposive sample consensus: a paradigm for model fitting with application to visual odometry, communications of the acm, 24, 381-395. http://dx.doi.org/10.1145/358669. 358692

[3] https://en.wikipedia.org/wiki/random_sample_consensus

5. 计划与进度安排

2、2022年3月11日-5月31日 按开题报告撰写论文

3、2022年4月15日-4月28日 汇报课题进展情况，回答教师提问。

4、2022年5月6日-5月19日 指导教师批阅论文初稿，提出修改意见