×
王双月;肖云海;金、郑芬

一种具有自适应秩校正项的批图像对齐高效算法。 （英语） Zbl 1405.90053号

J.计算。申请。数学。 346, 171-183 (2019).
摘要：随着名为“稀疏低秩分解鲁棒对齐”（RASL）方法的出现，尽管存在明显的损坏和遮挡，但许多线性相关图像仍然可以精确且鲁棒地对齐。已经发现，这种对齐任务可以描述为一系列3块凸极小化问题，这些问题可以通过加速近端梯度法（APG）或直接扩展的交替方向乘数法（ADMM）有效地解决。然而，直接扩展的ADMM可能会发散，尽管它在数值计算中通常表现良好。理想情况下，应该找到一种算法，该算法与直接扩展的ADMM相比，既具有理论保证，又具有优越的数值效率。我们通过使用基于智能对称高斯-赛德尔迭代的ADMM（sGS-ADMM）实现了这一目标，该ADMM只需对其中一个变量进行两次更新，但令人惊讶的是，它能够保证期望的收敛性。sGS-ADMM的收敛性可以直接通过将其与经典的2-块ADMM和几个专门设计的半近端项相关联来实现。除此之外，我们还为模型添加了一个等级修正项，以获得更高精度的对准结果。大量实际失调的数值实验表明，对于绝大多数测试问题，sGS-ADMM比RASL和APG至少快两倍。

引用于1文件

MSC公司：

90B22型 运筹学中的队列和服务
90C25型 凸面编程

关键词：

批处理图像对齐;非光滑凸极小化;交替方向乘法器法;加速近似梯度算法;对称高斯-赛德尔迭代

软件：

RASL公司;QSDPNAL公司;LFW公司
PDF格式BibTeX公司 XML格式引用
\textit{S.Wang}等人，J.Compute。申请。数学。346、171至183（2019年；兹比尔1405.90053）
全文： 内政部

参考文献：

[1] Learnd-Miller，E.，《通过连续联合对齐的数据驱动图像模型》，IEEE Trans。模式分析。机器。智力。，28, 2, 236-250, (2006)
[2] M.Cox，S.Lucey，S.Sridharan，J.Cohn，《图像无监督对齐的最小二乘凝聚》，摘自：Proc。IEEE国际计算机视觉与模式识别大会，2008年。；M.Cox，S.Lucey，S.Sridharan，J.Cohn，《图像无监督对齐的最小二乘凝聚》，摘自：Proc。IEEE国际计算机视觉与模式识别会议，2008年。
[3] A.Vedaldi，G.Guidi，S.Soatto，联合对准到（有损）变换，在：Proc。IEEE国际计算机视觉与模式识别大会，2008年。；A.Vedaldi，G.Guidi，S.Soatto，《联合对齐到（有损）变换》，摘自：Proc。IEEE国际计算机视觉与模式识别会议，2008年。
[4] 弗雷，B.J。；Jojic，N.，使用EM算法的变换不变聚类，IEEE Trans。模式分析。机器。智力。，25, 1, 1-17, (2003)
[5] 彭，Y。；Ganesh，A。；Wright，J。；徐伟（Xu，W.）。；Ma，Y.，RASL:线性相关图像的稀疏和低秩分解鲁棒对齐，IEEE Trans。模式分析。机器。智力。，34, 2233-2246, (2012)
[6] 坎迪斯，E.J。；李，X。；马云（Ma，Y.）。；Wright，J.，稳健主成分分析？，J.ACM，58，1-37，（2011）·Zbl 1327.62369号
[7] 张，Z。；Ganesh，A。；X·梁。；Ma，Y.，TILT：变换不变的低阶纹理，国际期刊计算。视觉。，99, 1, 1-24, (2012) ·Zbl 1254.68290号
[8] Y.Peng，A.Ganesh，J.Wright，W.Xu，Y.Ma，RASL：线性相关图像的稀疏和低秩分解鲁棒对齐，in：Proc。IEEE国际计算机视觉与模式识别会议，2010年。；Y.Peng，A.Ganesh，J.Wright，W.Xu，Y.Ma，RASL：线性相关图像的稀疏和低秩分解鲁棒对齐，in：Proc。IEEE国际计算机视觉与模式识别会议，2010年。
[9] Chen，C.H。；他，B。；Ye，Y。；Yuan，X.，多块凸极小化问题ADMM的直接推广不一定收敛，数学。程序。，155, 57-79, (2016) ·Zbl 1332.90193号
[10] 刘，G。；林，Z。；Yan，S。；Sun，J。；Yu，Y。；Ma，Y.，通过低秩表示实现子空间结构的稳健恢复，IEEE Trans。模式分析。机器。智力。，35, 1, 171-184, (2013)
[11] Shi，C.，用于自动病理器官分割的基于低秩和稀疏分解的形状模型和概率图谱，医学图像分析。，38, 30-49, (2017)
[12] Xiao，Y。；Wu，S.-Y。；Li，D.-H.，从损坏的观测数据中恢复子空间的分裂和线性化增广拉格朗日算法，高级计算。数学。，38, 837-858, (2013) ·Zbl 1269.65057号
[13] 李晓东。；Sun，D.F。；Toh，K.-C.，凸二次圆锥规划的基于Schur补的半近端ADMM及其扩展，数学。程序。，155, 333-373, (2016) ·Zbl 1342.90134号
[14] Sun，D.F。；Toh，K.-C。；杨，L.，具有4类约束的圆锥规划的收敛的3块半最近交替方向乘子法，SIAM J.Optim。，25, 882-915, (2015) ·Zbl 1328.90083号
[15] Chen，L。；Sun，D.F。；Toh，K.-C.，一种用于高维凸组合二次曲线规划的高效非精确对称高斯-赛德尔优化ADMM，数学。程序。，161, 1, 237-270, (2017) ·Zbl 1356.90105号
[16] X.D.Li，D.F.Sun，K.-C.Toh，QSDPNAL:凸二次半定规划的两阶段近似增广拉格朗日方法，数学。程序。计算。(2018) http://dx.doi.org/10.1007/s12532-018-0137-6; X.D.Li，D.F.Sun，K.-C.Toh，QSDPNAL：凸二次半定规划的两阶段近端增广拉格朗日方法，数学。程序。计算。(2018) http://dx.doi.org/10.1007/s12532-018-0137-6
[17] 丁勇，肖勇，基于对称高斯-赛德尔技术的变换不变低阶纹理问题的交替方向乘法器方法，J.Math。成像视觉。(2018) http://dx.doi.org/10.1007/s10851-018-0808-y; 丁勇，肖勇，基于对称高斯-赛德尔技术的变换不变低阶纹理问题的交替方向乘法器方法，J.Math。成像视觉。(2018) http://dx.doi.org/10.1007/s10851-018-0808-y ·Zbl 1433.68512号
[18] Miao，W。；潘，S。；Sun，D.F.，《固定基系数矩阵补全的等级修正程序》，数学。程序。，159289-338（2016）·Zbl 1356.90178号
[19] X.D.Li，D.F.Sun，K.-C.Toh，凸组合二次规划的块对称高斯-赛德尔分解定理及其应用，数学。程序。(2018) http://dx.doi.org/10.1007/s10107-018-1247-7; X.D.Li，D.F.Sun，K.-C.Toh，凸组合二次规划的块对称高斯-赛德尔分解定理及其应用，数学。程序。(2018) http://dx.doi.org/10.1007/s10107-018-1247-7
[20] Fazel先生。；Pong，T.K。；Sun，D.F。；Tseng，P.，Hankel矩阵秩最小化及其在系统识别和实现中的应用，SIAM J.矩阵分析。申请。，34, 946-977, (2013) ·Zbl 1302.90127号
[21] Rockafellar，R.T.，凸分析，（1970），普林斯顿大学出版社·Zbl 0229.90020号
[22] 丁，C.，一类矩阵优化问题简介，（2012），新加坡国立大学，（博士论文）
[23] 蔡建芳（Cai，J.F.）。；坎迪斯，E.J。；Shen，Z.，矩阵补全的奇异值阈值算法，SIAM J.Optim。，20, 1956-1982, (2010) ·Zbl 1201.90155号
[24] 格洛温斯基，R。；Marrocco，A.，Sur l’approximation，paréléments finis d’ordre un，and la résolution，par pénalisation dualitéd’une classe de Dirichlet non-linéaires，Rev.Fr.Atom，《近似法》，最终结果和解决方案，非线性狄利克雷问题的双重分类。通知。里奇。作品。分析。编号。，9, 2, 41-76, (1975) ·Zbl 0368.65053号
[25] 加贝，D。；Mercier，B.，通过有限元近似解非线性变分问题的对偶算法，计算。数学。申请。，2, 17-40, (1976) ·Zbl 0352.65034号
[26] Eckstein，J.，凸规划的一些鞍函数分裂方法，Optim。方法软件。，4, 75-83, (1994)
[27] Nesterov，Y.E.，一种求解具有收敛速度的凸规划问题的方法\（O（1/k^2）\），Dokl。阿卡德。Nauk SSSR，269，543-547，（1983），（俄语）
[28] Gary B.Huang、Manu Ramesh、Tamara Berg、Erik Learned-Miller，《野外标记脸：研究无约束环境中人脸识别的数据库》，马萨诸塞大学阿默斯特分校，技术报告07-492007。；Gary B.Huang、Manu Ramesh、Tamara Berg、Erik Learn Miller，《野外标记人脸：研究无约束环境下人脸识别的数据库》，马萨诸塞大学阿默斯特分校，技术报告07-492007。
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。