基于图割快速近似能量最小化.ppt

使用图割的快速近似能量最小化 姓名：梁瑷云 时间：2016.5.17 目录 摘要 早期视觉的能量最小化 相关工作 算法综述 寻找最优交换移动（算法） 寻找最佳扩展移动（算法）  最优性能 POTTS 模型 实验结果 结论 摘要 作者提出两种基于图割的算法：α-expansion 和α-β-swap 移动算法，可以同时改变标签任意大的像素集。目的:找到一个有效的局部最小值，已达到找全局最小值的目的。能处理更一般的能量函数。主要用于图像恢复、立体声、运动方面。精确度能达到98%。 早期视觉的能量最小化 许多早期视觉领域，通常需要估计一些空间（像素平面）上变化的量（如图像灰度、视差大小）。这些量在块的内部变化平滑，在块与块之间（物体边界）变化很大，像素点p ∈P被分配给有限集合fp ∈ L。将每个像素映射到标签集中的某个标签上，这里标签函数（映射） f 不仅需要满足分块平滑的特点而且需要和观测到的数据一致。  能量函数： E(f)=Esmooth(f)+Edata(f) 在能量函数的构造上一般有数据约束和平滑约束，体现了区域内部的连续性和边界的不连续性。Esmooth(f) 表达的是 f 分块不平滑的程度，Edata(f) 表达的是标签函数 f 与观测到数据的不一致性。Edata(f) 的一般形式是 Edata(f)=∑(p ∈P)Dp(fp) Dp 来度量标签与观测数据的一致性，在图像恢复 Dp(fp)=(fp-Ip)2 ,Ip表示在像素点 p 处的灰度值 。（ Edata(f)在本文不作讨论） 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 之前的算法大多数是寻找局部最小值，存在低效率、收敛速度慢的问题 1.相对于能量函数来说，局部能量最小化的办法都有哪些？ 标准移动： 1）迭代条件模式（ICM）对于每一个像素,标签赋予最大的减少能量函数的选择,直到收敛到局部最小值。 2）  模拟退火：优：优化任意能量函数。缺：任意能量函数最小化需要指数时间和结果模拟退火速度非常慢。时间够长，能找到全局最小值。效率低。 3）平均场退火算法：   梯度下降法，通常仅能保证能量函数的局部最优，并且依赖于近似的数值计算模式( 如有限差分、有限元) ，需要对数值计算进行很好的设计以保证解的鲁棒性和收敛性   图割：通过提供代价函数( cost function) ，将区域、边界及一些拓扑限制很自然地融入到代价函数中，能够实现能量的全局最优化。 算法综述 1、分割和移动空间 每一个标签映射函数 fp∈L 与图像分割方式是一一对应的关系，而 fp（后简写为 f） 是能量函数的自变量，因此我们可以称所有可能的 f 的取值所组成的集合为操作空间或移动空间. 用数学描述如下： 任意一种标签方式 f 都能通过像素的一个分割来表示： P={Pl|l∈L}, 其中 Pl 表示标签为 l的像素点集合。可以看到标签方式 f 与分割 P 成一一对应关系。  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′ 的移动（变动）在满足以下条件时称之为一次 α-β swap 标签调整操作：对任意 l≠α,β 都有 Pl=Pl’ 。也就是说在一次 α-β-swap 调整操作后，一些原来是 α 标签的像素被标记为 β，一些原来是 β 标签的被标记为 α，简而言之就是被标记为 α,β 标签的像素集合之间进行了交换。(图2c) - expansion: 给定一个标签