VGTU talpykla > Aplinkos inžinerijos fakultetas / Faculty of Environmental Engineering > Moksliniai straipsniai / Research articles >

Lietuvių   English
Please use this identifier to cite or link to this item: http://dspace.vgtu.lt/handle/1/207

Title: RANSAC for outlier detection
Other Titles: RANSAC taikymas klaidingiems duomenims aptikti
Authors: Ruzgienė, Birutė
Fröhner, Wolfgang
Keywords: Statistics
Uncertainty
Probability
Parameter estimation
Outliers
Inliers
Matching
Issue Date: 2005
Publisher: Vilniaus Gedimino technikos universitetas
Citation: Ruzgienė, B.; Fröhner, W. 2005. RANSAC for outlier detection, Geodezija ir kartografija 31(3):83-87.
Abstract: Up-to-date digital photogrammetry involves operations on huge data sets, and with classical image processing procedures it might be time consuming to find out the best solution. One of the key tasks is to detect outliers in given data, eg for curve fitting or image matching. The problem is hard as the number of outliers is usually large, possibly larger than 50 %, thus powerful estimation techniques are needed. We demonstrate one of these techniques, namely Random Sample Consensus (RANSAC), for fitting a model to sample data, especially for fitting a straight line through a set of given points. Experiments with up to 80 % outliers prove the efficiency of RANSAC. The results are representative for image analysis in digital photogrammetry.
Description: Lietuviška santrauka. Nūdienos skaitmeninė fotogrametrija nagrinėja fotografinių vaizdų, kuriuose gausu duomenų, apdorojimo procedūras, todėl automatiškai rasti geriausią sprendimą ilgai trunka, būtina talpi kompiuterinė atmintis. Atliekant fotonuotraukų sugretinimą (matching), vienas iš pagrindinių uždavinių yra teisingai identifikuoti duomenų elementus. Sprendžiant šį uždavinį, kyla klaidingų duomenų, kurių paprastai yra daug (gali būti daugiau nei 50 %), eliminavimo problema. Tam tikslui turi būti parinkta tinkama duomenų įvertinimo metodika. Analizuojama statistinis duomenų įvertinimo metodas RANSAC (Random Sample Consensus), skirtas sudarytajam modeliui suderinti su parinktaisiais duomenimis, t. y. šiuo atveju nagrinėjama tiesios linijos, einančios per turimą taškų visumą, radimo ypatumai. RANSAC efektyvumui nustatyti atliktas eksperimentas – įvertintos tiesios linijos generavimo procedūros, kai nurodoma minimali tikimybė bei paklaidos dydis (žr. 5 pav., 2 lentelę). Eksperimento metu nustatyta, kad teisingo sprendimo tikimybė bus mažesnė, jei duomenų modelis bus mažesnis, o matavimų paklaidos didesnės. Tyrimo rezultatai parodė, kad net ir esant 80 % klaidingų duomenų (outliers), taikyti RANSAC yra labai efektyvu − įvedus teisingus parametrus, gaunamas optimalus sprendimas. RANSAC taikymo klaidingiems duomenims aptikti, atliekant automatinį vaizdų sugretinimą, galimybių tyrimas turėtų būti tęsiamas ateityje.
URI: http://dspace1.vgtu.lt/handle/1/207
ISSN: 1392-1541
Appears in Collections:Moksliniai straipsniai / Research articles

Files in This Item:

File Description SizeFormat
GC_ISSN_1392-1541_Vol31_No3_2005_83-87_Ruzgiene.pdf104.05 kBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Valid XHTML 1.0! DSpace Software Copyright © 2002-2010  Duraspace - Feedback