王菡子课题组在国际顶级刊物ieee transactions on pattern analysis and machine intelligence(tpami)上发表论文
信息学院闽江学者特聘教授王菡子课题组与澳大利亚阿德莱德大学david suter教授课题组合作，撰写题为“simultaneously fitting and segmenting multiple-structure data with outliers”的高水平研究论文（长文）近日在国际顶级期刊《ieee模式分析与机器智能汇刊》（ieee tpami）上发表。该项研究得到了国家自然科学基金委、厦门市科技局、澳大利亚国家基金委等国内外机构和政府部门的大力资助。ieee tpami在2010年计算机科学的人工智能领域108种jcr国际期刊中排名第一，影响因子为5.308，系人工智能领域最有影响力的国际学术期刊。
真实的计算机视觉数据经常包含大量的多结构并伴有高比例的噪声。为了处理多结构数据，传统的方法通常采用依次“拟合 - 去除”的步骤。然而，上述策略会引入误差传播，并且在结构数目较多的情况下计算效率较低。如何能够有效地处理多结构数据，克服传统方法中的缺点一直是国际研究学者密切关注的重要问题。
该文提出了一个新的鲁棒拟合框架，包括有效地权重、聚类和融合。所提出的框架可以同时拟合和分割包含大量噪声的多结构数据，不仅自动估计数据中所包含的结构数目，而且精确估计每个结构的模型参数以及内点噪声尺度。该工作为今后研究处理多结构数据提供了一个有价值的方向，并为如运动分割、模型拟合、范围图像分割等应用提供了重要的理论支持。
此外，王菡子教授做为通讯作者，与澳大利亚阿德莱德大学