1 最小二乘法
最小二乘使所有点到曲线的方差最小.利用最小二乘对扫描线上的所有数据点进行拟合,得到一条样条曲线,然后逐点计算每一个点Pi到样条曲线的欧拉距离ei（即点到曲线的最短距离）,ε是距离的阈值，事先给定，如果ei≥ε，则将该点判断为噪点.
该方法最重要的事先拟合样条曲线。
确定曲线类型的方法：根据已知数据点类型初步确定曲线类型，经验观察初步尝试拟合函数类型.
曲线类型选择：直线，二次曲线，三次曲线，对数函数拟合，幂函数拟合，直至方差最小。
直线：f(X1) = aX1 + b;
二次曲线：f(X1) = aX12 + bX1 + c;
对数函数：f(X1) = a + b log(X1);
幂函数： f(X1) = aX1b
曲线方程参数求解方法：
已知数据点(Xi , Yi)(i = 0,1,2,3…n)；Ø为所有次数不超过n的多项式函数；
求(当k=1，为线性拟合，当k>1为多项式拟合)
注：特殊的多项式拟合-非线性拟合方程需先转换为线性方程，
eg：对数函数：f(X1) = a + b log(X1)，令log(X1) = t ,则 f(X1) = a + b*t，被转化为线性函数，根据t反解X1；
幂函数： f(X1) = aX1b ，（假设a为正）等式两边同时转变为对数函数，lg(f(X1)) = lg(a)+b(lg(X1)),
令lg(f(X1))为q, (lg(X1))为p，则q = lg(a) + b*p，转换为线性关系，解出p，q。
以求解
${f_k}\left( {{X_i}} \right) = \mathop \sum \limits_{k = 0}^n {a_k}X_i^k$
为例
方差公式：，
令
min, （公式1）
公式1存在极小值的必要条件是方程在点Xi处的偏导为零，由此可得，
（公式2）
即：
（公式3）
将Xi近似为Yi，由公式3可以求出方程的唯一系数解ak(k = 0,1,2…n)，从而确定拟合函数，对于多个点需要对系数ak进行优化，求得满足平均距离最低的系数。