应用于双线性问题的无变换正则化

计算机视觉经常需要解双线性参数估计问题,传统地,这类问题的线性解法是标准的特征值分析算法.通常它使用Hartley变换来实现正则化.通过理论分析和蒙特卡洛实验,证明了所给出的简化特征值分析技术可在无须进行正则化变换的前提下,固有地同时具备噪声预白化功能和数据正则化功能,因此它不但能给出均方误差相当小的无偏估计,而且具有计算快速、实现简单方便的优点.

基于简化GEVD技术的椭圆拟合算法

传统的椭圆拟合使用标准广义特征值(GEVD)分析算法.通过统计分析技术,可知该技术在拟合数字椭圆时,存在估计偏差大、均方误差大的缺点.其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大,因此对数据噪声的预白化滤波和对数据的正则化变换是提高椭圆拟合的有效措施.这从理论上有力支持了Hartley提出的正则化技术.根据分析,我们开发了一个简化GEVD技术.通过理论分析和计算机仿真实验.表明了它固有地同时具备噪声预白化功能和数据正则化功能,因此,它能给出均方误差相当小的无偏估计,由于它无须进行预白化变换或正则化变换,并把求解GEVD过程的维数从6降为2,所以它还具有计算快速、实现简单方便的优点.