多图像配准实用指南
最优化与控制
2019-06-26 v3 机器学习
机器学习
摘要
多图像配准，即将一组图像带入共同对齐，是一个普遍存在的问题，也是广泛领域中许多应用的第一步。因此，人们投入大量精力开发高效的多图像配准算法。然而，对于诸如以下基本实用问题却鲜有解答：现有方法的比较性能如何？是否仍有改进空间？在何种条件下应优先选用某种技术？增加更多图像或先验图像信息是否能改善配准结果？在这项工作中，我们对主要多图像配准方法进行了深入分析与评估，结合多图像配准性能的理论极限，将其纳入一个通用框架，并对这些关键问题给出实用解答。
引用
@article{arxiv.1802.03284,
title = {Mini-Batch Stochastic ADMMs for Nonconvex Nonsmooth Optimization},
author = {Feihu Huang and Songcan Chen},
journal= {arXiv preprint arXiv:1802.03284},
year = {2019}
}
备注
We have fixed some errors in the proofs. arXiv admin note: text overlap with arXiv:1610.02758