×

广义梯度:最小化流的先验知识。 (英语) 兹比尔1477.68340

概述:本文讨论了活动轮廓下变分问题的一个重要方面:梯度流优化。经典地,梯度的定义直接取决于内部产品结构的选择。活跃轮廓文献中基本上没有考虑到这一点。大多数作者,无论是显式的还是隐式的,都假定允许变形的空间由正则内积(L^{2})决定。文献中报道的经典梯度流与此特定选择有关。在这里,我们研究了使用(i)其他内积,产生其他梯度下降,以及(ii)其他非源自任何内积的最小化流的相关性。特别地,我们展示了如何在最小化流中引入不同程度的空间一致性,以降低陷入无关局部极小的概率。我们报告的数值实验表明,活动轮廓方法对初始条件的敏感性,严重限制了其适用性和效率,通过我们特定应用的空间相干最小化流得到了缓解。我们表明,内积的选择可以被视为变形场的先验,并且我们将梯度的定义推广到更一般的先验。
本文提供了电子补充材料。

MSC公司:

68T45型 机器视觉和场景理解

软件:

PLCP公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部 哈尔

参考文献:

[1] N.I.Akhiezer和I.M.Glazman,1981年。希尔伯特空间中的线性算子理论。皮特曼·兹比尔0467.47001
[2] Bertalmío,M.、Cheng,L.T.、Osher,S.和Sapiro,G.,2001年。隐式曲面上的变分问题和偏微分方程。计算物理杂志,174(2):759–780·兹比尔0991.65055 ·doi:10.1006/jcph.2001.6937
[3] Bertalmio,M.、Sapiro,G.、Cheng,L.T.和Osher,S.,2001年。隐式曲面上的变分问题和偏微分方程。IEEE变分和水平集方法研讨会(编辑),加拿大温哥华,第186-193页,
[4] Bonnans,J.F.、Gilbert,J.C.、Lemarechal,C.和Sagastizabal,C.A.,2002年。数值优化:理论和实践方面。斯普林格·弗拉格。
[5] Boykov,Y.和Kolmogorov,V.2003年。通过图形切割计算测地线和最小曲面。计算机视觉国际会议,第1卷,第26-33页。
[6] Caselles,V.、Kimmel,R.和Sapiro,G.,1997年。测地活动轮廓。国际计算机视觉杂志,22(1):61-79·Zbl 0894.68131号 ·doi:10.1023/A:1007979827043
[7] Charpiat,G.、Faugeras,O.和Keriven,R.,2005年。形状度量的近似值以及形状翘曲和经验形状统计的应用。计算数学基础,5(1):1-58·Zbl 1089.60011号 ·doi:10.1007/s10208-003-0094-x
[8] Charpiat,G.、Keriven,R.、Pons,J.P.和Faugeras,O.,2005年。基于活动轮廓设计变分问题的空间相干最小化流。第十届国际计算机视觉会议,中国北京。
[9] Dervieux,A.和Thomasset,F.1979年。模拟Rayleigh-Taylor不稳定性的有限元方法。数学课堂笔记,771:145-159·Zbl 0438.76044号
[10] DoCarmo,M.P.1976年。曲线和曲面的微分几何。普伦蒂斯·霍尔。
[11] Duan,Y.、Yang,L.、Qin,H.和Samaras,D.,2004年。使用基于PDE的可变形曲面从3D和2D数据重建形状。欧洲计算机视觉会议,第3卷,第238-251页·Zbl 1098.68753号
[12] Faugeras,O.和Keriven,R.1998年。变分原理,曲面演化,偏微分方程,水平集方法和立体问题。IEEE图像处理汇刊,7(3):336–344·Zbl 0973.94004号 ·doi:10.1109/83.661183
[13] Goldlücke,B.和Magnor,M.,2004年。用于时间相干三维重建的时空等值面演化。在计算机视觉和模式识别国际会议上,第1卷,第350–355页。
[14] Goldlücke,B.和Magnor,M.,2004年。加权极小超曲面及其在计算机视觉中的应用。欧洲计算机视觉会议,第2卷,第366-378页·Zbl 1098.68770号
[15] Jin,H.、Soatto,S.和Yezzi,A.J.,2003年。Lambert之外的多视点立体声。在计算机视觉和模式识别国际会议上,第1卷,第171-178页。
[16] Kass,M.、Witkin,A.和Terzopoulos,D.1987年。蛇:活动轮廓模型。国际计算机视觉杂志,1(4):321-331·doi:10.1007/BF00133570
[17] Kolmogorov,V.和Zabih,R.,2002年。通过图形剪切重建多摄像机场景。欧洲计算机视觉会议,第3卷,第82-96页·Zbl 1039.68667号
[18] Kolmogorov,V.和Zabih,R.,2004年。哪些能量函数可以通过图形切割最小化?IEEE模式分析和机器智能汇刊,26(2):147-159·doi:10.1109/TPAMI.2004.1262177
[19] Maurel,P.、Keriven,R.和Faugeras,O.,2006年。协调地标和标高集。在模式识别国际会议上·Zbl 1161.49039号
[20] Michor,P.W.和Mumford,D.2005年。平面曲线空间的黎曼几何。预打印·Zbl 1083.58010号
[21] Osher,S.和Fedkiw,R.,2002年。水平集方法和动态隐式曲面。斯普林格·弗拉格·Zbl 1026.76001号
[22] Osher,S.和Paragios,N.(编辑),2003年。成像、视觉和图形中的几何水平集方法。施普林格出版社·Zbl 1027.68137号
[23] Osher,S.和Sethian,J.A.,1988年。波前以与曲率相关的速度传播:基于Hamilton–Jacobi公式的算法。计算物理杂志,79(1):12-49·Zbl 0659.65132号 ·doi:10.1016/0021-9991(88)90002-2
[24] Overgaard,N.C.和Solem,J.E.,2005年。图像中曲线的变化对齐分析。在计算机视觉中的尺度空间和PDE方法国际会议上,第480-491页·兹比尔1119.68493
[25] Paragios,N.和Deriche,R.2005年。用于运动估计和跟踪的测地活动区域和水平集方法。计算机视觉和图像理解,97(3):259-282·doi:10.1016/j.cviu.2003.04.001
[26] Peng,D.、Merriman,B.、Osher,S.、Zhao,H.K.和Kang,M.,1999年。一种基于PDE的快速局部水平集方法。计算物理杂志,155(2):410-438·Zbl 0964.76069号 ·doi:10.1006/jcph.1999.6345
[27] Pons,J.-P.,Hermosillo,G.,Keriven,R.和Faugeras,O.,2003年。《如何在水平集框架中处理点对应和切向速度》,《计算机视觉国际会议》,第2卷,第894-899页。
[28] 鲁丁,W.,1966年。真实和复杂分析。麦格劳-希尔·Zbl 0142.01701号
[29] Sethian,J.A.,1999年。水平集方法和快速推进方法:计算几何、流体力学、计算机视觉和材料科学中的进化接口。剑桥应用和计算数学专著。剑桥大学出版社·Zbl 0973.76003号
[30] Solem,J.E.和Overgaard,N.C.2005年。运动曲面变分问题梯度下降的几何公式。在计算机视觉中的尺度空间和PDE方法国际会议上,第419-430页·Zbl 1119.68504号
[31] Sundaramoorthi,G.、Yezzi,A.J.和Mennucci,A.,2005年。Sobolev活动轮廓。IEEE变分和水平集方法研讨会,中国北京,第109-120页·Zbl 1159.68606号
[32] Trouvé,A.1998年。图像分析中的差异组和模式匹配。国际计算机视觉杂志,28(3):213-221·doi:10.1023/A:1008001603737
[33] Yezzi,A.J.和Mennucci,A.C.G.2005。曲线空间中的度量。预打印·Zbl 1168.58005号
[34] Yezzi,A.J.和Soatto,S.2003年。变形:变形运动、形状平均以及图像中结构的联合配准和近似。国际计算机视觉杂志,53(2):153-167·Zbl 1477.68441号 ·doi:10.1023/A:1023048024042
[35] Younes,L.,1998年。形状之间的可计算弹性距离。SIAM应用数学杂志,58(2):565-586·Zbl 0907.68158号 ·doi:10.1137/S00361399995287685
[36] Zhao,H.K.、Osher,S.、Merriman,B.和Kang,M.,2000年。使用变分水平集方法从无组织点进行隐式和非参数形状重建。计算机视觉和图像理解,80(3):295–314·Zbl 1011.68538号 ·doi:10.1006/cviu.2000.0875
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。