图像分割与高维数据聚类变分模型中的新区域力
计算机视觉与模式识别
2017-04-27 v1
摘要
我们通过在 Potts 模型中引入一种新颖的区域力项，提出了一个用于多相图像分割和半监督数据聚类的有效框架。假设像素或数据点属于每个类别的概率是已知的。我们证明相应的指示函数服从 Bernoulli 分布，并且新的区域力函数可以计算为 Bernoulli 分布下的负对数似然函数。我们利用原始 - 对偶混合梯度法和增广拉格朗日法求解 Potts 模型，这两种方法基于同一原始问题的两个不同对偶问题。在基准问题上对带有新区域力函数的 Potts 模型进行的实证评估表明，其在图像分割和半监督数据聚类方面均具有与现有变分方法相当的竞争力。
引用
@article{arxiv.1704.08218,
title = {New region force for variational models in image segmentation and high dimensional data clustering},
author = {Ke Wei and Ke Yin and Xue-Cheng Tai and Tony F. Chan},
journal= {arXiv preprint arXiv:1704.08218},
year = {2017}
}