کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6938666 1449963 2018 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A fast robust geometric fitting method for parabolic curves
ترجمه فارسی عنوان
روش نصب سریع هندسی قوی برای منحنی های پارابولیک
کلمات کلیدی
اتصالات پارابولیک، اتصالات منحنی هندسی، سر و صدا، کم کردن خطاهای مطلق، برآورد پایدار،
ترجمه چکیده
قرار دادن داده های گسسته به دست آمده توسط دستگاه های تصویر سازی تصویر به یک منحنی یک کار مشترک در بسیاری از زمینه های علم و مهندسی است. به طور خاص، پارابولا یکی از شایع ترین شکل های شکل در برنامه های مهندسی برق و مخابرات است. تکنیک های منحنی استاندارد برای حل این مشکل شامل کمینه کردن خطاهای مربع می شود. با این حال، بیشتر این روش ها به نویز حساس هستند. در اینجا، ما یک الگوریتم مبتنی بر حداقل سازی خطاهای مطلق همراه با یک نرمال سازی بردار خطی را پیشنهاد می کنیم که منجر به بهبود ثبات روش می شود. به این ترتیب، پیشنهاد ما به طور قابل توجهی به نمونه های پر سر و صدا در داده های ورودی مقاوم است. نتایج تجربی عملکرد خوب الگوریتم را از نظر سرعت و دقت در مقایسه با رویکردهای قبلی نشان می دهد، هم برای داده های مصنوعی و هم واقعی.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
Fitting discrete data obtained by image acquisition devices to a curve is a common task in many fields of science and engineering. In particular, the parabola is some of the most employed shape features in electrical engineering and telecommunication applications. Standard curve fitting techniques to solve this problem involve the minimization of squared errors. However, most of these procedures are sensitive to noise. Here, we propose an algorithm based on the minimization of absolute errors accompanied by a normalization of the directrix vector that leads to an improved stability of the method. This way, our proposal is substantially resilient to noisy samples in the input dataset. Experimental results demonstrate the good performance of the algorithm in terms of speed and accuracy when compared to previous approaches, both for synthetic and real data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 84, December 2018, Pages 301-316
نویسندگان
, , , , ,