基于图割的快速的近似能量最小化.pptxVIP

使用图割的快速近似能量最小化;目录;摘要;早期视觉的能量最小化;能量最小化难点：计算花销大，很多能量函数有许多局部最小值(非凸)，空间维度多。 本文考虑的能量函数为： Esmooth=∑{p,q}∈NVp,q(fp,fq), N：相邻像素对集合。Vp,q(fp,fq)?表示像素对?{p,q}?在标签函数?f?下生成的标签?(fp,fq)?之间的距离（相似度、平滑程度） Dp非负，其他任意。 ; 该论文中提出了两种对任意有限大小的标签集?L?进行近似能量最小化的算法：α-expansion and?α-β-swap，分别针对两种互作用势（interaction penalty）：度量（metric）、半度量（semi-metric）。在标签L的空间中V是否以下条件满足： 则V是一个度量。如果只满足（2）、（3）则为半度量。 需要注意的是不论是度量还是半度量互作用势，都包含重要的“非连续性保留”的互作用势。这个特性在后续证明中是会用到的，也说明了两种算法分别适用的情况;相关工作;算法综述;如图2： 每一次标签调整，也就是 f 在操作空间中的每一次移动遵循一定规定的我们称之为交换（swap）和扩张（expansion）操作，swap 和 expansion 操作的具体意义： swap: 给定一对标签 α,β，从一个分割 P 到另一个分割 P′