УДК: 004.932.2

Кластеризация множества отождествленных точек на изображениях динамических сцен на основе принципа минимальной длины описания

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Петерсон М.В. Кластеризация множества отождествленных точек на изображениях динамических сцен на основе принципа минимальной длины описания // Оптический журнал. 2010. Т. 77. № 11. С. 56–62.

Peterson M.V. Clustering of a set of identified points on images of dynamic scenes, based on the principle of minimum description length [in Russian] // Opticheskii Zhurnal. 2010. V. 77. № 11. P. 56–62.

Ссылка на англоязычную версию:

M. V. Peterson, "Clustering of a set of identified points on images of dynamic scenes, based on the principle of minimum description length," Journal of Optical Technology. 77(11), 701-706 (2010). https://doi.org/10.1364/JOT.77.000701

Аннотация:

В работе рассмотрена задача разделения набора отождествленных опорных точек на паре изображений динамической сцены по кластерам, которые соответствуют наблюдаемым перемещающимся объектам. На основе принципа минимальной длины описания предложен критерий, который позволяет осуществить выбор между различными классами преобразований и оценить качество кластеризации. С помощью данного критерия можно оптимальным образом подобрать модель пространственного преобразования для каждого выделенного кластера и избежать влияния выбросов в виде некорректно отождествленных точек.

Ключевые слова:

сегментация движений, минимальная длина описания, аффинное преобразование, фундаментальная матрица

Коды OCIS: 100.5760

Список источников:

1. Hartley R., Zisserman A. Multiple view geometry in computer vision. Cambridge: University Press, 2003. 655 p.
2. Faugeras O., Luong Q.-T., Papadopoulou T. The Geometry of Multiple Images: The Laws That Govern the Formation of Multiple Images of a Scene and Some of Their Applications. London: MIT Press, 2004. 639 p.
3. Lourakis V., Argyros A. Efficient, Causal Camera Tracking in Unprepared Environments // Computer Vision and Image Understanding Journal. 2005. V. 99. № 2. P. 259–290.
4. Vidal R., Soatto S., Ma Y., Sastry S. Segmentation of dynamic scenes from the multibody fundamental matrix // ECCV Workshop on Visual Modeling of Dynamic Scenes. Copenhagen: Springer, 2002. P. 16–21.
5. Vidal R., Soatto S., Ma Y., Sastry S. Two-view multibody structure from motion // International Journal of Computer Vision. 2006. V. 68. № 1. P. 7–25.
6. Torr P.H.S. Geometric motion segmentation and model selection // Philosophical Transactions of the Royal Society. London: Royal Society Publishing, 1998. P. 1321–1340.
7. Vitanyi P.M.B., Li M. Minimum description length induction, Bayesianism and Kolmogorov complexity // IEEE Transactions on Information Theory. 2000. V. 46. № 2. P. 446–464.
8. Schindler K., James U., Wang H. Perspective n-view Multibody Structure-and-Motion through Model Selction // Proc. of the 9th European Conference on Computer Vision. Graz: Springer, 2006. P. 606–619.
9. Rissanen J.J. Modeling by the shortest data description // Automatica. 1978. V. 14. P. 465–471.