×
马丁·基什勒;蒂姆·哈比格特;西蒙·霍伊;马丁·克莱恩斯特伯尔

用于图像处理的双峰共稀疏分析模型。 （英文） Zbl 1398.94038号

国际期刊计算。视觉。 114，编号2-3，233-247（2015）.
摘要：许多计算机视觉任务的成功在于能够利用不同图像模式之间的相互依赖性，例如强度和深度。融合相应的信息可以在多个层次上实现，一种有希望的方法是低层次的集成。此外，稀疏信号模型已成功应用于许多视觉应用中。在这一研究领域中，所谓的共稀疏分析模型比其著名的对应物稀疏合成模型吸引的注意力少得多，尽管它已被证明在各种图像处理应用中非常有用。在本文中，我们提出了一种双模共稀疏分析模型，该模型能够捕获两种图像模式的相互依赖性。它基于存在一对分析算子的假设，因此相应双模图像结构的共同支撑具有较大的重叠。我们提出了一种算法，能够从注册的无噪声训练数据中学习这样一对耦合算子。此外，我们解释了如何将该模型应用于图像处理中的线性逆问题，以及如何将其用作双峰图像配准任务中的先验。本文通过两个主要贡献扩展了一些作者的工作。首先，提出了一种改进的学习过程，即先验保证算子行的单位范数和零-模。这解释了局部纹理在图像模式中携带最重要信息的直觉，而这些信息与亮度和对比度无关。其次，将该模型应用于一种新的双模图像配准算法中，该算法对不同模态的未注册图像进行变换参数估计。

引用于1文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

共稀疏分析模型;双模图像重建;双模图像配准;流形上的梯度方法;分析运算符学习

软件：

RASL公司;Elastix公司
PDF格式BibTeX公司 XML格式引用
\textit{M.Kiechle}等人，《国际计算杂志》。视觉。114，编号2--3，233--247（2015；Zbl 1398.94038）
全文： 内政部 arXiv公司

参考文献：

[1] Absil，P.A.、Mahony，R.和Sepulchre，R.（2008）。矩阵流形上的优化算法普林斯顿：普林斯顿大学出版社·Zbl 1147.65043号 ·数字对象标识代码：10.1515/9781400830244
[2] 贝克，S；Kanade，T，《超分辨率的限制及其打破方法》，IEEE模式分析和机器智能汇刊，241167-1183，（2002）·doi:10.1109/TPAMI.2002.1033210
[3] Brown，LG，图像配准技术调查，ACM计算调查（CSUR），24325-376，（1992）·数字对象标识代码：10.1145/146370.146374
[4] Brown，M.和Süsstrunk，S.（2011年）。用于场景类别识别的多光谱SIFT。IEEE计算机视觉和模式识别会议第177-184页。
[5] 坎迪斯，EJ；Wakin，MB；Boyd，SP，通过加权增强稀疏性\(ℓ _1）最小化，《傅里叶分析与应用杂志》，14877-905，（2008）·Zbl 1176.94014号 ·doi:10.1007/s00041-008-9045-x
[6] Chan，D.，Buisman，H.，Theobalt，C.，Thrun，S.（2008）。用于实时深度上采样的噪声感知过滤器。多摄像机和多模态传感器融合算法和应用研讨会.
[7] 陈，Y；Ranftl，R；Pock，T，《分析算子学习的见解：从基于补丁的稀疏模型到高阶mrfs》，IEEE图像处理学报，231060-1072，（2014）·Zbl 1374.94065号 ·doi:10.1109/TIP.2014.2299065
[8] 科尔·罗德斯，AA；肯塔基州约翰逊；LeMoigne，J；Zavorin，I，使用随机梯度优化互信息的遥感图像多分辨率配准，IEEE图像处理汇刊，121495-1511，（2003）·doi:10.1109/TIP.2003.819237
[9] 科里农，A；梅斯，F；德莱雷，D；范德梅伦，D；糖类，P；Marchal，G，基于信息理论的自动多模态图像配准，医学成像中的信息处理，3，263-274，（1995）
[10] 戴，Y；Yuan，Y，无约束优化的有效混合共轭梯度方法，运筹学年鉴，103，33-47，（2001）·Zbl 1007.90065号 ·doi:10.1023/A:1012930416777
[11] 迪贝尔，J；Thrun，S，马尔可夫随机场在距离传感中的应用，NIPS，18，291-298，（2005）
[12] Elad，M；Milanfar，P；Rubinstein，R，《信号先验分析与合成》，《反问题》，23947-968，（2007）·Zbl 1138.93055号 ·doi:10.1088/0266-5611/23/3/007
[13] 风扇，X；罗德，H；Saber，E，用于多模式机载图像注册的空间特征增强MMI算法，IEEE地球科学与遥感汇刊，482580-2589，（2010）·doi:10.10109/TGRS2010.2040390
[14] 弗里曼，WT；帕斯托尔，EC；OT Carmichael，《学习低水平视觉》，《国际计算机视觉杂志》，40，25-47，（2000）·Zbl 1012.68700号 ·doi:10.1023/A:1026501619075
[15] Hawe，S；Kleinsteuber，M；Diepold，K，分析算子学习及其在图像重建中的应用，IEEE图像处理汇刊，22，2138-2150，（2013）·Zbl 1373.94161号 ·doi:10.1109/TIP.2013.2246175
[16] Hong，C；Dit-Yan，Y；Yimin，Xiong，通过邻居嵌入的超分辨率，计算机视觉和模式识别，1275-282，（2004）·Zbl 1242.81022号
[17] Hyder，M；Mahata，K，联合稀疏恢复的鲁棒算法，IEEE信号处理快报，161091-1094，（2009）·doi:10.1109/LSP.2009.2028107
[18] 贾，K；王，X；Tang，X，基于跨图像空间学习词典的图像转换，IEEE模式分析和机器智能汇刊，35，367-380，（2013）·doi:10.1109/TPAMI.2012.95
[19] Kiechle，M.、Hawe，S.和Kleinsteuber，M.（2013）。深度图超分辨率的强度与深度联合解析分析模型。计算机视觉国际会议记录.
[20] 克莱因，S；凝视，M；墨菲，K；马萨诸塞州维耶格尔；Pluim，JPW，Elastix：基于强度的医学图像注册工具箱，IEEE医学成像学报，29196-205，（2010）·doi:10.1109/TMI.2009.2035616
[21] 科洛托斯基，SJ；Trivedi，MM，用于人跟踪的多模式立体视频的基于互信息的注册，计算机视觉和图像理解，106，270-287，（2007）·doi:10.1016/j.cviu.2006.10.008
[22] Li，Y.，Xue，T.，Sun，L.，&Liu，J.（2012）基于联合示例的深度图超分辨率。在IEEE多媒体和博览会国际会议第152-157页。
[23] 刘，C；舒姆，HY；Freeman，WT，《面部幻觉：理论与实践》，《国际计算机视觉杂志》，第75期，第115-134页，（2007年）·doi:10.1007/s11263-006-0029-5
[24] Lu，J.，Min，D.，Pahwa，R.S.，&Do，M.N.（2011年）。重温基于MRF的深度图超分辨率和增强。ICASSP公司第985-988页。
[25] 迈拉尔，J；巴赫，F；Ponce，J，任务驱动字典学习，IEEE模式分析和机器智能汇刊，34791-804，（2012）·doi:10.1109/TPAMI.2011.156
[26] 哑光，D；博士Haynor；韦塞尔，H；TK Lewellen；Eubank，W，使用自由变形在胸部进行PET-CT图像配准，IEEE医学成像汇刊，22120-128，（2003）·doi:10.1109/TMI.2003.809072
[27] 米沙利，M；Eldar，Y，Reduce and boost:恢复联合稀疏向量的任意集，IEEE Transactions on Signal Processing，56，4692-4702，（2008）·Zbl 1390.94306号 ·doi:10.1109/TSP.2008.927802
[28] 南，S；戴维斯，ME；Elad，M；Gribonval，R，cosparse分析模型和算法，应用和计算谐波分析，34，30-56，（2013）·兹比尔1261.94018 ·doi:10.1016/j.acha.2012.03.006
[29] Ophir，B.、Elad，M.、Bertin，N.和Plumbley，M.D.（2011年）。序列最小特征值：分析字典学习的一种方法。欧盟SIPCO第1465-1469页。
[30] Orchard，J，《使用全局穷举对齐搜索进行高效最小二乘多模态注册》，IEEE图像处理学报，16，2526-2534，（2007）·doi:10.1109/TIP.2007.904956
[31] 彭，Y；加内什，A；赖特，J；徐，W；Ma，Y，RASL:线性相关图像的稀疏和低秩分解鲁棒对齐，IEEE模式分析和机器智能汇刊，342233-2246，（2012）·doi:10.1109/TPAMI.2011.282
[32] 普鲁姆，JPW；缅茨，JBA；马萨诸塞州Viergever，医学图像的基于互信息的注册：一项调查，IEEE医学成像学报，22986-1004，（2003）·doi:10.1109/TMI.2003.815867
[33] 拉维山卡，S；Bresler，Y，学习稀疏化变换，IEEE信号处理学报，611072-1086，（2013）·Zbl 1393.94409号 ·doi:10.1109/TSP.2012.226449
[34] 鲁宾斯坦，R；佩莱，T；Elad，M，Analysis K-SVD:分析稀疏模型的字典学习算法，IEEE Transactions on Signal Processing，61，661-677，（2013）·Zbl 1393.94416号 ·doi:10.1109/TSP.2012.226445
[35] Scharstein，D.和Szeliski，R.（2003年）。使用结构光的高精度立体深度贴图。计算机视觉和模式识别大会上第195-202页。
[36] Studholme，C；希尔，D；Hawkes，D，3D医学图像对齐的重叠不变熵测量，模式识别，32，71-86，（1999）·doi:10.1016/S0031-3203（98）00091-0
[37] JA特罗普；吉尔伯特，AC；Strauss，MJ，同步稀疏近似算法。第一部分：贪婪追求，信号处理，86，572-588，（2006）·Zbl 1163.94396号 ·doi:10.1016/j.sigpro.2005.05.030
[38] 维奥拉，P；Wells，WM，通过最大化相互信息对齐，国际计算机视觉杂志，24137-154，（1997）·doi:10.1023/A:1007958904918
[39] Wang，S.，Zhang，D.，Liang，Y.，&Pan，Q.（2012）。半耦合字典学习，应用于图像超分辨率和照片合成。IEEE计算机视觉和模式识别会议第2216-2223页。
[40] Yaghoobi，M；南，S；Gribonval，R；Davies，ME，cosparse信号建模的约束过完备分析算子学习，IEEE信号处理学报，612341-2355，（2013）·doi:10.1109/TSP.2013.2250968
[41] 杨，J；赖特，J；黄，T；Ma，Y，通过稀疏表示实现图像超分辨率，IEEE图像处理汇刊，192861-2873，（2010）·Zbl 1371.94429号 ·doi:10.1109/TIP.2010.2050625
[42] Yang，Q.，Yang，R.，Davis，J.，NistéR，D.（2007）。距离图像的空间深度超分辨率。IEEE计算机视觉和模式识别会议第1-8页。
[43] Zeyde，R.、Elad，M.和Protter，M.（2012年）。使用稀疏表示进行单幅图像放大。曲线和曲面·Zbl 1314.94018号
[44] Zitová，B；Flusser，J，图像配准方法：一项调查，图像和视觉计算，21977-1000，（2003）·doi:10.1016/S0262-8856（03）00137-9
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。