TY -的A2 -郑,宇盟——Osuna-Enciso Valentin AU - Cuevas Erik AU -奥利瓦,迭戈盟,祖尼加Virgilio盟——Perez-Cisneros马可盟——萨尔迪瓦尔,丹尼尔PY - 2016 DA - 2015/12/28 TI -单应性估计的多目标方法SP - 3629174六世- 2016 AB -在许多机器视觉的问题,一个相关的问题是估计之间的单应性两种不同的观点,一组广泛的异常数据。一个方法来找到这样的估计是随机抽样的共识(RANSAC);在这方面,我们的目标是最大化数量的匹配点了允许误差(Pe),根据候选人的模型。然而,这些目标是冲突:Pe低价值增加模型的精度,但降低其泛化能力指的是容忍噪声数据的数量的匹配点,而较高的体育价值提高了噪声模型的宽容但不利驱动器错误检测的过程。这项工作考虑评估过程是一个多目标优化问题,旨在最大化匹配点的数量而Pe同时最小化。为了解决多目标制定、两种不同的进化算法探索:第二Nondominated排序遗传算法(NSGA-II)和Nondominated排序差分进化(NSDE)。原始结果考虑承认质量度量和转换后的图像在一个著名的基准图像显示性能优越的提议算法比随机样本一致。SN - 1687 - 5265你2016/3629174 / 10.1155——https://doi.org/10.1155/2016/3629174——摩根富林明-计算神经科学情报和PB Hindawi出版公司KW - ER