Sparse and Low-Rank Coupling Image Segmentation Model Via Nonconvex Regularization
Sparse and Low-Rank Coupling Image Segmentation Model Via Nonconvex Regularization
复制标题
基于非凸正则化的稀疏低秩耦合图像分割模型
DOI：
10.1142/s0218001415550046
复制
发表时间：
2015-02
影响因子：
1.5
通讯作者：
Sun Xiaoli
中科院分区：
文献类型：
--
作者：
Zhang Xiujun;Xu Chen;Li Min;Sun Xiaoli
本文研究如何通过继承稀疏表示和低秩表示的优点来促进基于区域的图像分割。为此，提出了一种新颖的图像分割模型，称为基于非凸正则化的稀疏低秩耦合模型。我们的目标是找到同时具备稀疏和低秩的最优解。这是通过将稀疏表示问题放宽为 L1 范数最小化之外的 L1/2 范数最小化，同时将低秩表示问题放宽为除核范数最小化之外的 S1/2 范数最小化来实现的。该耦合模型可以通过增强拉格朗日乘子（ALM）方法和半阈值算子有效求解。与其他最先进的方法相比，新方法能够更好地捕获整个数据的全局结构，鲁棒性更好，分割精度也具有竞争力。在两个公共图像分割数据库上的实验很好地验证了我们方法的优越性。
This paper investigates how to boost region-based image segmentation by inheriting the advantages of sparse representation and low-rank representation. A novel image segmentation model, called nonconvex regularization based sparse and low-rank coupling model, is presented for such a purpose. We aim at finding the optimal solution which is provided with sparse and low-rank simultaneously. This is achieved by relaxing sparse representation problem as L1/2 norm minimization other than the L1 norm minimization, while relaxing low-rank representation problem as the S1/2 norm minimization other than the nuclear norm minimization. This coupled model can be solved efficiently through the Augmented Lagrange Multiplier (ALM) method and half-threshold operator. Compared to the other state-of-the-art methods, the new method is better at capturing the global structure of the whole data, the robustness is better and the segmentation accuracy is also competitive. Experiments on two public image segmentation databases well validate the superiority of our method.
登录
查看更多内容
DOI：
10.1109/cvpr.2012.6247944
发表时间：
2012-06
期刊：
2012 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
Liansheng Zhuang;Haoyuan Gao;Zhouchen Lin;Yi Ma;Xin Zhang;Nenghai Yu
通讯作者：
Liansheng Zhuang;Haoyuan Gao;Zhouchen Lin;Yi Ma;Xin Zhang;Nenghai Yu
DOI：
10.1109/iccv.2009.5459173
发表时间：
2009-09
期刊：
2009 IEEE 12th International Conference on Computer Vision
影响因子：
--
作者：
Fabien Lauer;C. Schnörr
通讯作者：
Fabien Lauer;C. Schnörr
影响因子：
22.7
作者：
Candes, Emmanuel;Recht, Benjamin
通讯作者：
Recht, Benjamin
DOI：
10.1109/tpami.2011.130
发表时间：
2012-02-01
影响因子：
23.6
作者：
Alpert, Sharon;Galun, Meirav;Basri, Ronen
通讯作者：
Basri, Ronen
DOI：
10.1109/cvpr.2009.5206707
发表时间：
2009-06
期刊：
2009 IEEE Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
Pablo Arbeláez;M. Maire;Charless C. Fowlkes;Jitendra Malik
通讯作者：
Pablo Arbeláez;M. Maire;Charless C. Fowlkes;Jitendra Malik