价值工程
價值工程
개치공정
VALUE ENGINEERING
2015年
8期
258-259
,共2页
特征点%K-均值聚类%背景估计
特徵點%K-均值聚類%揹景估計
특정점%K-균치취류%배경고계
feature point%K-means clustering%background estimation
本文提出了基于均值聚类的背景估计算法.首先利用提取特征点,然后利用K-means聚类算法去除错误的特征点对.最后利用随机样本一致(RANSAC)算法和最小二乘方法求解运动参数.实验结果表明本文算法比原始算法的峰值信噪比提高.该算法能更加准确的实现运动背景估计,提高了运动背景估计的鲁棒性,同时提高了计算速度.
本文提齣瞭基于均值聚類的揹景估計算法.首先利用提取特徵點,然後利用K-means聚類算法去除錯誤的特徵點對.最後利用隨機樣本一緻(RANSAC)算法和最小二乘方法求解運動參數.實驗結果錶明本文算法比原始算法的峰值信譟比提高.該算法能更加準確的實現運動揹景估計,提高瞭運動揹景估計的魯棒性,同時提高瞭計算速度.
본문제출료기우균치취류적배경고계산법.수선이용제취특정점,연후이용K-means취류산법거제착오적특정점대.최후이용수궤양본일치(RANSAC)산법화최소이승방법구해운동삼수.실험결과표명본문산법비원시산법적봉치신조비제고.해산법능경가준학적실현운동배경고계,제고료운동배경고계적로봉성,동시제고료계산속도.
