Введение
Обзор литературы
Глава 1. Анализ существующих подходов и алгоритмов . . . 6
1.1 Алгебраический подход
1.2 Геометрический подход
1.3 Алгоритм 3L
1.4 Алгоритм Левенберга-Марквардта
Глава 2. Предлагаемый подход
Глава 3. Экспериментальные результаты
Заключение
Список литературы
В задачах аппроксимации точечных множеств многообразиями важное место занимает подбор неявных полиномов. Неявные полиномы широко используются в прикладных исследованиях, например, в задачах компьютерного зрения, распознавания или моделирования объектов благодаря
преимуществам перед другими способами представления данных в двумерном и трёхмерном пространствах. В частности, неявные полиномы не требуют параметризации и могут быть получены без предварительного анализа распределения данных, в отличие от сеток или B-сплайнов.
Обычно представление данных в виде неявных полиномов получают в результате процесса подбора (fitting process). Процесс подбора состоит в нахождении такой поверхности в трёхмерном пространстве и кривой в двумерном, которая будет наилучшим образом описывать заданный набор точек. Требуется найти наилучший неявный полином, который описывает заданный набор точек с помощью его корней. Другими словами, многочлен должен равняться нулю в заданных точках.
Пусть fc(X) – неявный многочлен степени d:
fc
(X) =
i+j+k≤d
X
i;j;k≥0
ci;j;k · xi · yj · zk (1)
Или в векторном виде:
fc
(X) = mT c; (2)
где c = [c0;0;0; c1;0;0; :::; c0;0;d]T – это вектор-столбец коэффициентов многочлена, у которого количество элементов равно Cd3+3 = (dd+3)! !3! ;
m – это вектор-столбец мономов, то есть m = m(X) = [x0y0z0; x1y0z0;
:::; x0y0zd]T.
Задача подбора состоит, во-первых, в выборе критерия близости множества корней найденного неявного полинома Zf = fX : fc(X) = 0g к
заданному множеству точек, а затем в минимизации этого критерия для нахождения лучшего вектора коэффициентов c.
2Пусть P = Γ0 = fpigN 1 - множество заданных точек, лежащих в R2
или в R3, тогда формально задачу подборки можно записать в виде:
c^ = arg mincDist(P; fc); (3)
где arg minc обозначает вектор c коэффициентов полинома, при которых выражение Dist (критерий близости, упомянутый выше) достигает минимального значения.
Для нахождения наилучшего вектора коэффициентов c^ можно использовать алгебраический или геометрический подход. Важную роль играет выбор критерия близости Dist(P; fc), который часто основан на применении формул оценки расстояния от точки до кривой или поверхности.
Задача данной работы состоит в применении новой формулы нахождения приближенного расстояния от точки до эллипсоида к задаче подбора неявных полиномов.
В работе выполнено сравнение новой формулы, полученной в результате развития исследований Утешева А.Ю. и Гончаровой М.В., с несколькими известными формулами. Основной упор сделан на работу в R3, так как для трёхмерного пространства, наиболее интересного с точки зрения приложений, известно ограниченное число методов нахождения приближённого расстояния. Была предложена методика сравнения с формированием тестовых данных и проведены количественные измерения по ряду критериев.
[1] Шикин Е.В., Плис Л.И. Кривые и поверхности на экране компьютера.
Руководство по сплайнам для пользователей. М.: ДИАЛОГ-МИФИ,
1996 г.
[2] Зайдель А. Н. Ошибки измерений физических величин / А. Н. Зайдель. –М. : Наука, 1974.
[3] M. Blane, Z. Lei, H. Civil, and D. Cooper The 3L algorithm for fitting
implicit polynomials curves and surface to data. IEEE Trans. Pattern
Anal. Mach. Intell., vol.22, no.3, pp.298–313, Mar.2000.
[4] R. Fletcher, Practical Methods of Optimization, 2nd ed. New York: Wiley,
1990.
[5] M. Rouhani, A. D. Sappa Implicit polynomial representation through
a fast fitting error estimation. IEEE Transactions on image processing,
vol.21, no.4, April 2012.
[6] M. Rouhani and A. D. Sappa, Relaxing the 3L algorithm for an accurate
implicit polynomial fitting. In Proc. IEEE Int. Conf. Comput. Vis.
Pattern Recog., San Francisco, CA, Jun. 2010, pp. 3066–3072.
[7] S. Ahn, W. Rauh, H. Cho and H. Warnecke Orthogonal distance fitting
of implicit curves and surfaces. IEEE Trans. Pattern Anal. Mach. Intell.,
vol. 24, no. 5, pp. 620–638, May 2002.
[8] G. Taubin Estimation of planar curves, surfaces and nonplanar space
curves defined by implicit equations, with applications to edge and
range image segmentation. IEEE Trans. Pattern Analysis and Machine
Intelligence, vol. 13, no. 11, pp. 1,115-1,138, Nov. 1991.
[9] P.E. Danielsson Euclidean distance mapping. Computer graphics and
image processing, vol. 14, pp. 227-248, Nov. 1980.
[10] Uteshev A.Yu., Goncharova M.V. Point-to-ellipse and point-to-ellipsoid
distance equation analysis. J.Comput. Appl. Math., 2018, Vol. 328, P.
232-251.
[11] Алгоритм Левенберга-Марквардта для нелинейного метода наимень-
22ших квадратов и его реализация на Python [Электронный ресурс]//
Habr. – Режим доступа: https://habr.com/post/308626/, свободный