SegSALSA-STR：利用隐场和结构张量正则化进行监督高光谱图像分割的凸表述
计算机视觉与模式识别
2015-04-28 v1
摘要
我们提出了一种监督高光谱图像分割算法，基于带隐场和结构张量正则化的边缘最大后验分割的凸表述：通过结构张量正则化的约束分裂增广拉格朗日收缩分割(SegSALSA-STR)。该表述避免了分割问题通常的离散性质以及相关的整数优化固有的NP困难。我们通过使用由基于块的雅可比矩阵构建的结构张量先验推广向量总变分先验，扩展了通过约束分裂增广拉格朗日收缩分割(SegSALSA)算法。所得算法是凸的、时间高效且高度可并行化。这展示了通过引入不同正则化器将隐场与凸优化相结合的潜力。SegSALSA-STR算法在真实高光谱图像分割中得到验证。
引用
@article{arxiv.1504.07028,
title = {SegSALSA-STR: A convex formulation to supervised hyperspectral image segmentation using hidden fields and structure tensor regularization},
author = {Filipe Condessa and Jose Bioucas-Dias and Jelena Kovacevic},
journal= {arXiv preprint arXiv:1504.07028},
year = {2015}
}
备注
This paper was submitted to IEEE WHISPERS 2015: 7th Workshop on Hyperspectral Image and Signal Processing: Evolution on Remote Sensing. 5 pages, 1 figure