Robust Ellipse Fitting Using Hierarchical Gaussian Mixture Models
Robust Ellipse Fitting Using Hierarchical Gaussian Mixture Models
复制标题
使用分层高斯混合模型的稳健椭圆拟合
DOI：
10.1109/tip.2021.3065799
复制
发表时间：
2021-03
影响因子：
10.6
通讯作者：
Dongming Yan
中科院分区：
文献类型：
--
作者：
Mingyang Zhao;Xiaohong Jia;Lubin Fan;Yuan Liang;Dongming Yan
从未知数据拟合椭圆是计算机视觉和模式识别中的一个基本问题。经典的基于最小二乘的方法对离群值敏感。为了解决这个问题，在本文中，我们提出了一种新的和有效的方法，称为分层高斯混合模型（HGMM）的基础上，在噪声，离群点包含和闭塞设置的椭圆拟合。该方法分为两层，以显着提高其拟合精度和包含离群值/噪声的数据的鲁棒性，并已被证明可以有效地缩小核带宽的迭代间隔，从而加快椭圆拟合。广泛的实验进行合成数据，包括大量的离群值（高达60%）和强噪声（高达200%），以及真实的图像，包括复杂的基准图像与重闭塞和图像从多功能应用。我们比较我们的结果与代表性的国家的最先进的方法，并证明我们提出的方法具有几个显着的优势，如对离群值和噪声的高鲁棒性，高拟合精度，并提高性能。
Fitting ellipses from unrecognized data is a fundamental problem in computer vision and pattern recognition. Classic least-squares based methods are sensitive to outliers. To address this problem, in this paper, we present a novel and effective method called hierarchical Gaussian mixture models (HGMM) for ellipse fitting in noisy, outliers-contained, and occluded settings on the basis of Gaussian mixture models (GMM). This method is crafted into two layers to significantly improve its fitting accuracy and robustness for data containing outliers/noise and has been proven to effectively narrow down the iterative interval of the kernel bandwidth, thereby speeding up ellipse fitting. Extensive experiments are conducted on synthetic data including substantial outliers (up to 60%) and strong noise (up to 200%) as well as on real images including complex benchmark images with heavy occlusion and images from versatile applications. We compare our results with those of representative state-of-the-art methods and demonstrate that our proposed method has several salient advantages, such as its high robustness against outliers and noise, high fitting accuracy, and improved performance.
登录
查看更多内容
具有解析极北方向几何距离的高效圆锥拟合
影响因子：
8
作者：
Wu Yihong;Wang Haoren;Tang Fulin;Wang Zhiheng
通讯作者：
Wang Zhiheng
影响因子：
3.7
作者：
T. Burr
通讯作者：
T. Burr
DOI：
--
发表时间：
2011
期刊：
--
影响因子：
--
作者：
Shen Faxin;Guannan Gao;Wang Min
通讯作者：
Shen Faxin;Guannan Gao;Wang Min
DOI：
10.1080/01621459.1984.10477105
发表时间：
1984-12
影响因子：
3.7
作者：
P. Rousseeuw
通讯作者：
P. Rousseeuw
使用随机森林和快速椭圆拟合的超声自动胎头周长测量
DOI：
10.1109/jbhi.2017.2703890
发表时间：
2018-01-01
影响因子：
7.7
作者：
Li, Jing;Wang, Yi;Ni, Dong
通讯作者：
Ni, Dong