Biblioteca122.739 documentos en línea

Artículo

A Multiobjective Approach to Homography EstimationUn enfoque multiobjetivo para la estimación de la homografía

Resumen

En varios problemas de visión artificial, una cuestión relevante es la estimación de las homografías entre dos perspectivas diferentes que poseen un amplio conjunto de datos anómalos. Un método para encontrar dicha estimación es el consenso de muestreo aleatorio (RANSAC); en él, el objetivo es maximizar el número de puntos de coincidencia dado un error permisible (Pe), según un modelo candidato. Sin embargo, estos objetivos entran en conflicto: un valor bajo de Pe aumenta la precisión del modelo pero degrada su capacidad de generalización, que se refiere al número de puntos de coincidencia que toleran los datos ruidosos, mientras que un valor alto de Pe mejora la tolerancia al ruido del modelo pero conduce negativamente el proceso a las falsas detecciones. Este trabajo considera el proceso de estimación como un problema de optimización multiobjetivo que busca maximizar el número de puntos de coincidencia mientras que Pe se minimiza simultáneamente. Para resolver la formulación multiobjetivo se han explorado dos algoritmos evolutivos diferentes: el Algoritmo Genético de Ordenación No Dominante II (NSGA-II) y la Evolución Diferencial de Ordenación No Dominante (NSDE). Los resultados, considerando medidas de calidad reconocidas entre las imágenes originales y las transformadas sobre una conocida imagen de referencia, muestran un rendimiento superior de la propuesta que el algoritmo Random Sample Consensus.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento