自适应的尺度估计及鲁棒的类熵模型拟合算法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究的背景、目的和意义 | 第12-14页 |
| 1.2 鲁棒模型拟合中的主要研究内容 | 第14-15页 |
| 1.3 本文的结构 | 第15-17页 |
| 第二章 鲁棒模型拟合算法回顾 | 第17-38页 |
| 2.1 内点、离群点和崩溃点 | 第17-18页 |
| 2.2 统计学中传统的模型拟合算法 | 第18-22页 |
| 2.2.1 最小二乘法 | 第19-20页 |
| 2.2.2 最小中位数平方法和加权的最小二乘法 | 第20-21页 |
| 2.2.3 最小剪枝二乘法 | 第21-22页 |
| 2.3 单结构模型拟合 | 第22-29页 |
| 2.3.1 RANSAC | 第22-23页 |
| 2.3.2 ALKS | 第23-25页 |
| 2.3.3 RESC | 第25-26页 |
| 2.3.4 ASSC | 第26-29页 |
| 2.4 多结构模型拟合 | 第29-34页 |
| 2.4.1 multiRANSAC算法 | 第29-31页 |
| 2.4.2 J-linkage算法 | 第31-32页 |
| 2.4.3 KF算法 | 第32-34页 |
| 2.5 采样问题 | 第34-36页 |
| 2.5.1 基于空间局部性的方法 | 第35页 |
| 2.5.2 基于对应点对匹配分数的方法 | 第35-36页 |
| 2.5.3 局部优化方法 | 第36页 |
| 2.5.4 基于残差排序的条件采样 | 第36页 |
| 2.6 本章总结 | 第36-38页 |
| 第三章 自适应的内点噪声尺度估计 | 第38-47页 |
| 3.1 鲁棒尺度估计算法及其性能评估 | 第38-42页 |
| 3.2 AIKOSE鲁棒尺度估计算法 | 第42-44页 |
| 3.3 AIKOSE算法性能评估 | 第44-45页 |
| 3.4 本章总结 | 第45-47页 |
| 第四章 ASEE和AMSAC鲁棒模型拟合算法 | 第47-60页 |
| 4.1 ASEE算法 | 第47-49页 |
| 4.2 ASEE算法性能评估 | 第49-54页 |
| 4.2.1 针对手工产生数据的直线拟合 | 第49-52页 |
| 4.2.2 针对真实数据的直线拟合 | 第52-54页 |
| 4.3 AMSAC算法 | 第54-56页 |
| 4.4 AMSAC算法性能评估 | 第56-59页 |
| 4.4.1 直线拟合 | 第56-58页 |
| 4.4.2 基于单应矩阵的分割 | 第58-59页 |
| 4.5 本章总结 | 第59-60页 |
| 第五章 全文总结及展望 | 第60-62页 |
| 5.1 全文总结 | 第60-61页 |
| 5.2 未来展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 硕士期间发表的论文 | 第68-69页 |
| 致谢 | 第69页 |
