基于概率图模型的点集匹配方法研究

• 作者: 曲寒冰 李彬 王加强 王松涛
• 来源期刊: 自动化学报
• 关键词: 点集匹配 图模型 变分逼近 高斯混合模型 鲁棒估计
• 年，卷（期）: 2015,（4）
• 页码范围: 694-710
• 页数: 17页
• 字数: 16841字
• 语种: 中文
• DOI: 10.16383/j.aas.2015.c140376

摘要

在概率图模型框架下提出了一种将回归分析和聚类分析相结合的贝叶斯点集匹配方法，其中，回归分析用来估计两个点集之间的映射函数，而聚类分析用来建立两个点集中点与点之间的对应关系。本文将点集匹配问题表示为一种多层的概率有向图，并提出了一种由粗到精的变分逼近算法来估计点集匹配的不确定性；此外，还利用高斯混合模型估计映射函数回归中的异方差噪声和场景点密度估计中离群点的分布；同时，引入转移变量建立起模型点集与场景点集之间的关系，并与离群点混合模型共同对场景点的分布进行估计。实验结果表明，该方法与其他点集匹配算法相比，在鲁棒性和匹配精度方面均达到了较好的效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲寒冰	北京市科学技术研究院模式识别重点实验室	6	8	2.0	2.0
10	王加强	北京市科学技术研究院模式识别重点实验室	6	23	3.0	4.0
14	李彬	北京市科学技术研究院模式识别重点实验室	1	3	1.0	1.0