×
约翰内斯·赫特里奇;阮、当平澜;Jean-Francois，Aujol;多米尼克·伯纳德;扬尼克·贝尔托米厄;阿卜杜拉·萨达尔丁;加布里埃尔·斯特德尔

PCA简化高斯混合模型及其在超分辨率中的应用。 （英语） Zbl 1493.62308号

反向探测。成像 16，编号2，341-366（2022）.
摘要：尽管计算硬件发展迅速，但处理大而高维的数据集仍然是一个具有挑战性的问题。本文对这个主题的贡献是双重的。首先，我们提出了一个高斯混合模型，并通过主成分分析降低模型每个成分中数据的维数，我们称之为PCA-GMM。为了学习混合模型的（低维）参数，我们提出了一种EM算法，其M步需要求解约束优化问题。幸运的是，这些约束问题不依赖于通常的大量样本，可以通过（惯性）近似交替线性化最小化算法有效地解决。其次，基于Sandeep和Jacob的方法，我们将PCA-GMM应用于二维和三维材料图像的超分辨率。数值结果证实了降维对整体超分辨率结果的适度影响。

引用于三文件

MSC公司：

62甲12 多元分析中的估计
62H25个 因子分析和主成分；对应分析
62华氏35 多元分析中的图像分析
65千5 数值数学规划方法

关键词：

高斯混合模型;EM算法;降维;主成分分析;最大似然估计;超分辨率
PDF格式BibTeX公司 XML格式引用
\textit{J.Hertrich}等人，《反问题》。成像16，编号2，341-366（2022；Zbl 1493.62308）
全文： DOI程序 arXiv公司

参考文献：

[1] H.Attouch；J.Bolt，关于涉及分析特征的非光滑函数的近似算法的收敛性，数学。程序。，116, 5-16 (2009) ·Zbl 1165.90018号 ·文件编号：10.1007/s10107-007-0133-5
[2] J.博尔特；S.Sabach；M.Teboulle，非凸和非光滑问题的近似交替线性化最小化，数学。程序。，146, 459-494 (2014) ·Zbl 1297.90125号 ·doi:10.1007/s10107-013-0701-9
[3] C.布韦伦；S.Girard；C.Schmid，高维数据聚类，计算。统计师。数据分析。，52, 502-519 (2007) ·Zbl 1452.62433号 ·doi:10.1016/j.csda.2007.02.009
[4] C.L.Byrne，EM算法：理论、应用和相关方法《演讲笔记》，马萨诸塞大学，2017年。
[5] S.Chrétien；A.O.Hero，用于最大似然估计的Kullback近似算法，IEEE Trans。通知。理论，46，1800-1810（2000）·Zbl 1021.68101号 ·数字对象标识代码：10.1109/18.857792
[6] S.Chrétien；A.O.Hero，《EM算法及其近似推广》，ESAIM Probab。《统计》，第12卷，第308-326页（2008年）·兹比尔1187.65006 ·doi:10.1051/ps:2007041
[7] C.A.Deledale；J.三文鱼；A.Dalalyan，基于补丁的PCA图像去噪：局部与全局，英国机器视觉会议论文集，25，1-25（2011）·doi:10.5244/C.25.25
[8] A.P.Dempster；N.M.Laird；D.B.Rubin，通过EM算法从不完整数据中获得最大似然，J.Roy。统计师。Soc.序列号。B（方法学），39，1-38（1977）·Zbl 0364.62022号 ·doi:10.1111/j.2517-6161.1977.tb01600.x
[9] J.H.Fitschen；K.Losch；G.Steidl，强度不均匀三维图像的无监督多类分割，《视觉传达与图像表示杂志》，46，312-323（2017）·doi:10.1016/j.jvcir.2017.04.011
[10] 哈桑纳萨布；J.赫特里奇；F.Laus；G.Steidl，用于ML估计位置、散布矩阵和学生t分布自由度的EM算法的替代方案，Numer。算法，87，77-118（2021）·Zbl 1469.62265号 ·doi:10.1007/s11075-020-00959-w
[11] J.Hertrich和G.Steidl，《惯性随机PALM（iSPALM）及其在机器学习中的应用》，预印本，2020年，arXiv:2005.02204。
[12] N.J.Higham，矩阵贴近问题和应用，In矩阵理论的应用（Bradford，1988），Inst.数学。申请。Conf.序列号。新序列号。，22，牛津大学出版社，纽约，1989年，1-27·Zbl 0681.65029号
[13] N.J.Higham；R.S.Schreiber，任意矩阵的快速极分解，SIAM J.Sci。统计师。计算。，11, 648-655 (1990) ·Zbl 0711.65024号 ·数字对象标识代码：10.1137/0911038
[14] A.胡达德；C.布韦伦；J.Delon，无监督图像去噪（HDMI）的高维混合模型，SIAM J.Imaging Sci。，11, 2815-2846 (2018) ·Zbl 1475.94018号 ·doi:10.1137/17M1135694
[15] T.Klatzer，D.Soukup，E.Kobler，K.Hammernik和T.Pock，多帧超分辨率的可训练正则化，模式识别，计算机课堂讲稿。科学。，查姆斯普林格10496号。，2017, 90-100.
[16] F.Laus，欧氏和流形值数据的统计分析与最优传输，博士论文，TU Kaiserslautern，2019年。
[17] E.Lehmann和H.Scheffé，完备性，相似区域和无偏估计：第一部分，桑基拉, 10 (1950), 305-340. ·Zbl 0041.46301号
[18] S.Łojasiewicz，Une propriété拓扑des sous-ensemblies analytiques réels，In《游击队四重奏》（巴黎，1962年）巴黎国家科学研究中心，1963年，87-89·Zbl 0234.57007号
[19] S.Łojasiewicz，Sur la géométrie semi-et sous-analizique，《傅里叶研究所年鉴》（格勒诺布尔），第43期，第1575-1595页（1993年）·兹比尔0803.32002 ·doi:10.5802/aif.1384
[20] G.J.McLachlan；D.去皮；R.Bean，用混合因子分析仪模拟高维数据，计算。统计师。数据分析。，41, 379-388 (2003) ·Zbl 1256.62036号 ·doi:10.1016/S0167-9473（02）00183-4
[21] X.-L.孟；D.范戴克（D.Van Dyk），《EM算法》（The EM algorithm）——一首古老的民歌，随着一个快速的新曲调演唱，J.罗伊（J.Roy）。统计师。Soc.序列号。B、 59、511-567（1997）·Zbl 1090.62518号 ·数字对象标识代码：10.1111/1467-9868.00082
[22] S.Neumayer；M.Nimmer；S.Setzer；G.Steidl，关于旋转不变模PCA，线性代数应用。，587, 243-270 (2020) ·Zbl 07191020号 ·doi:10.1016/j.laa.2019.10.030
[23] S.Parameswaran；C.Deledale；L.丹尼斯；T.Q.Nguyen，《加速基于GMM的图像恢复补丁优先级：100倍加速的三个要素》，IEEE Trans。工艺。，28, 687-698 (2019) ·Zbl 1409.94479号 ·doi:10.10109/TIP.2018.2866691
[24] K.Pearson，《关于最接近空间点系的直线和平面》，《哲学杂志》，2559-572（1901）·doi:10.1080/14786440109462720
[25] T.Pock；S.Sabach，非凸和非光滑问题的惯性近端交替线性化最小化（iPALM），SIAM J.成像科学。，9, 1756-1787 (2016) ·Zbl 1358.90109号 ·doi:10.1137/16M1064064
[26] P.Sandeep；T.Jacob，使用联合GMM方法的单图像超分辨率，IEEE Trans。图像处理。，25, 4233-4244 (2016) ·Zbl 1408.94574号
[27] C.Sutour公司；C.-A.Deledale；J.-F.Aujol，基于均匀图像区域非参数检测的噪声级函数估计，SIAM成像科学杂志。，8, 2622-2661 (2015) ·Zbl 1343.94015号 ·doi:10.137/15M1012682
[28] M.E.小费；C.M.Bishop，概率主成分分析仪的混合，神经计算，11，443-482（1999）·doi:10.1162/0899766999300016728
[29] S.Vaucher；P.Unifantowicz；C.Ricard；L.Dubois；M.Kuball；J.-M.Catala-Civera；D.伯纳德；M.Stampanoni；R.Nicula，微波处理微观和宏观监测的在线工具，《物理B：凝聚物质》，398191-195（2007）
[30] M.Xiao、S.Zheng、C.Liu、Y.Wang、D.He、G.Ke、J.Bian、Z.Lin和T.Y.Liu，可逆图像缩放，预印本，2020，arXiv:2005.05650。
[31] J.-H.Zhao；L.Philip，通过ECM算法对混合因子分析仪进行快速ML估计，IEEE Trans。神经网络，1956-1961（2008）
[32] D.Zoran和Y.Weiss，从自然图像块的学习模型到整体图像恢复，In2011年国际计算机视觉会议（ICCV），IEEE，2011479-486。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。