RANSAC算法

随机抽样一致（RANdom SAmple Consensus，RANSAC）算法可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。RANSAC算法是一种不确定的算法--它有一定的概率得出一个合理的结果,为了提高准确率要提高迭代次数。

RANSAC基本假设：

(1)数据由“局内点”组成，即数据的分布可以用一些模型参数解释；

(2)“局外点”是不能适应该模型的数据；

(3)给定一组（较小的）“局内点”，存在一个估计模型，能够解释并适用于该组“局内点”。

“局外点”产生的原因：噪声、错误的测量方法、对数据的错误假设等。

示例

 一个简单的例子是从一组观测数据中找出合适的2维直线。假设观测数据中包含局内点和局外点，其中局内点近似的被直线所通过，而局外点远离于直线。简单的最小二乘法不能找到适应于局内点的直线，原因是最小二乘法尽量去适应包括局外点在内的所有点。相反，RANSAC能得出一个仅仅用局内点计算出模型，并且概率还足够高。但是，RANSAC并不能保证结果一定正确，为了保证算法有足够高的合理概率，我们必须小心的选择算法的参数。

左图：包含很多局外点的数据集       右图：RANSAC找到的直线（局外点并不影响结果）

算法

RANSAC通过反复选择数据中的一组随机子集来达成目标。被选取的子集被假设为局内点，并用下述方法进行验证：
    1.有一个模型适应于假设的局内点，即所有的未知参数都能从假设的局内点计算得出。
    2.用1中得到的模型去测试所有的其它数据，如果某个点适用于估计的模型，认为它也是局内点。
    3.如果有足够多的点被归类为假设的局内点，那么估计的模型就足够合理。
    4.然后，用所有假设的局内点去重新估计模型，因为它仅仅被初始的假设局内点估计过。
    5.最后，通过估计局内点与模型的错误率来评估模型。

    这个过程被重复执行固定的次数，每次产生的模型要么因为局内点太少而被舍弃，要么因为比现有的模型更好而被选用。

算法输入：

data -- 一组观测数据

model -- 适用于数据的模型

n -- 适用于模型的最少数据个数

k -- 算法迭代次数

t -- 用于决定数据是否适应模型的阈值

输出：

best_model -- 跟数据最匹配的模型参数（没有找到合适的模型，返回NULL）

best_consensus_set -- 估计出模型的数据点

best_error -- 跟数据相关的估计出的模型错误

算法伪代码：

iterations = 0
best_model = null
best_consensus_set = null
best_error = 无穷大
while ( iterations < k )
    maybe_inliers = 从数据集中随机选择n个点
    maybe_model = 适合于maybe_inliers的模型参数
    consensus_set = maybe_inliers

    for ( 每个数据集中不属于maybe_inliers的点 ）
        if ( 如果点适合于maybe_model，且错误小于t ）
            将点添加到consensus_set
    if （ consensus_set中的元素数目大于d ）
        已经找到了好的模型，现在测试该模型到底有多好
        better_model = 适合于consensus_set中所有点的模型参数
        this_error = better_model究竟如何适合这些点的度量
        if ( this_error < best_error )
            我们发现了比以前好的模型，保存该模型直到更好的模型出现
            best_model =  better_model
            best_consensus_set = consensus_set
            best_error =  this_error
iterations++ 

返回 best_model, best_consensus_set, best_error RANSAC算法的可能变化包括以下几种：
    （1）如果发现了一种足够好的模型（该模型有足够小的错误率），则跳出主循环。这样可能会节约计算额外参数的时间。
    （2）直接从maybe_model计算this_error，而不从consensus_set重新估计模型。这样可能会节约比较两种模型错误的时间，但可能会对噪声更敏感。

算法实现

python的sklearn库已经实现了RANSAC算法。下面是一个测试用例：

import numpy as np
from matplotlib import pyplot as plt
from sklearn import linear_model


X = np.array([[445],[631],[800],[966],[1135],[1246]])
y = np.array([[1134],[1158],[1160],[1172],[1196],[2173]])

# Robustly fit linear model with RANSAC algorithm
ransac = linear_model.RANSACRegressor()
ransac.fit(X, y)
inlier_mask = ransac.inlier_mask_
outlier_mask = np.logical_not(inlier_mask)

print('outlier_mask:',outlier_mask)

# Predict data of estimated models
line_X = np.arange(0, 3000)[:, np.newaxis]
line_y_ransac = ransac.predict(line_X)

lw = 2
plt.scatter(X[inlier_mask], y[inlier_mask], color='yellowgreen', marker='.',
            label='Inliers')
plt.scatter(X[outlier_mask], y[outlier_mask], color='gold', marker='.',
            label='Outliers')

plt.plot(line_X, line_y_ransac, color='cornflowerblue', linewidth=lw,
         label='RANSAC regressor')
plt.legend(loc='lower right')
plt.xlabel("Input")
plt.ylabel("Response")
plt.show()

结果如下图所示：

参考：

[1] http://www.cnblogs.com/xrwang/archive/2011/03/09/ransac-1.html