基于子空间的鲁棒射影重建方法

现有基于子空间的方法不但要求测量矩阵中所有特征点在所有图像上是可见的,而且不能含有错误对齐的数据项(局外点).文中提出基于子空间的鲁棒射影重建方法,该方法使用施加秩约束的广义Lagrange乘子法(ALM)极小化一个由核范数和L1范数组合的凸规划,求出测量矩阵所位于的低维子空间,消除局外点和丢失数据项对因子化方法的影响.文中算法在同一个子空间框架中,对同一个目标函数关于2组不同参量交替估计射影结构和射影深度,由此确保迭代解的收敛.实验证明,与Tang子空间方法比较,文中算法的有效性和可靠性都有所提高.

秩约束多帧特征对应算法

由于在一个关于刚体场景的长的图像序列中可能出现遮挡现象,使得度量矩阵中存在丢失数据项,为此提出一种在线多帧特征对应算法.由于图像度量值加权的偏移矩阵和轨迹矩阵均位于一个低维的线性子空间中,将偏移矩阵中的完整子矩阵秩约束后重组织成轨迹矩阵,对轨迹矩阵秩约束后求得相应的基矩阵和系数矩阵;为了解决光流的孔径问题,由基矩阵和系数矩阵估计相应的偏移分量并回填至多帧偏移矩阵;随着后继帧数据的输入,使用增量奇异值分解将新数据融合到多帧特征对应框架中;当处理完所有后继帧数据后,对于依然存在的丢失数据项使用非线性算法进行最后的处理.通过数学形式的推导证明了该算法的可行性;与Irani特征对应算法比较,对于不同的有效数据项比率和噪声水平,文中算法在误差控制和所用时间上的性能更优.