图像对标量回归的局部区域稀疏学习
机器学习
2016-05-30 v1 机器学习
摘要
识别与特定疾病相关的感兴趣区域（ROI）对公共健康有重大影响。同时施加像素值的稀疏性并提取活跃区域使图像分析大为复杂。我们通过在图像对标量回归（image-on-scalar regression）框架中引入一种新的区域选择惩罚项来应对这些挑战。我们的惩罚项将平滑截断绝对偏差（SCAD）正则化（强制稀疏性）与全变分（TV）的SCAD正则化（强制空间连续性）组合成一个组，从而将连续空间区域从零值背景中分割出来。高效算法基于交替方向乘子法（ADMM），将非凸问题分解为两个具有显式解的迭代优化问题。所提方法的另一优点是开发了分而治之的学习算法，从而能够扩展到大型图像。给出了若干示例，并将实验结果与其它最先进的方法进行比较。
引用
@article{arxiv.1605.08501,
title = {Local Region Sparse Learning for Image-on-Scalar Regression},
author = {Yao Chen and Xiao Wang and Linglong Kong and Hongtu Zhu},
journal= {arXiv preprint arXiv:1605.08501},
year = {2016}
}