多类直方图约束半监督分割稀疏编码方法.pdfVIP

一种多类直方图约束的半监督分割稀疏编码方法

斯特凡·卡尔尼亚奇(StefanKarnyaczki)、克里斯蒂安·

德罗西尔斯(ChristianDesrosiers)

´

软件和IT工程系Ecoledetechnologie

su´erieure蒙特利尔，魁北克省，

抽象的与目标直方图相似，由于成本函数的非子模性和直方图

我们提出了一种半监督分割方法，该方法使用多类前景归一化[11,12]的非线性，通常很难优化。这个问题的

直方图的字典来增强存在不正确或丢失的分割。该一个无监督变体是协同分割[11,12],，其目标是同时提

方法不需要目标直方图或具有相同前景的一组图像，而取多个图像的前景，使得这些前景全局相似（例如，具

是使用稀疏编码来查找与前景最相关的直方图。提出了有匹配的直方图）。该问题的表述也已扩展为允许每个

一种基于ADMM算法的有效策略，以避免通常与基于图像中有多个前景区域[13,14]。

直方图的分割相关的非子模性和非线性问题。对具有不

完整或不正确的自然图像进行分割的实验表明，我，稀疏表示方法已成功应用于多种图像处理应

们的方法比该任务的其他方法更加稳健和准确。用中。对于分割问题，从训练图像中学习到的补丁的判

别字典已被用于局部像素/体素分割线索[15,16]。

稀疏表示方法也被提出来对具有相似区域特征[17,18]的

索引术语——半监督分割、直方图先验、稀疏编码

过度分割图像的区域进行聚类。到目前为止，很少有方

法使用稀疏编码来建模全局分割约束。[19],中

1。简介一种这样的方法使用可变形形状的字典来指导基于轮廓

的分割。

图像分割在图像处理、计算机视觉和医学成像的各种应

用中发挥着关键作用。用于此任务的方法仅依赖于图像在本文中，我们提出了一种半监督分割方法，该方

的内容，在存在噪声、遮挡或背景杂乱的情况下通常表法使用稀疏编码对前景的多类直方图约束进行建模。相

现不佳。然而，可以通过以用户的线索或分割先验对于现有方法，该方法的贡献和优点如下：

的形式合并外部信息来提高此类方法的准确性。

•与其他基于直方图的方法不同，我们的方法不需要

在半监督分割中，需要用户的干预来分割线索，目标直方图或一组具有相同前景的图像。对于自然

例如标记像素[1,2]或初始分割边界[3,4]。虽然此类方图像来说，这是一个显着的优势，因为前景通常是

法允许对分割进行精细控制，但它们通常对用户来说很耗事先不知道的。

时，并且如果没有足够的提示或给定的提示包含错•与大多数稀疏编码分割方法相反，我们模型

误，则可能导致较差的结果。另一方面，分割先验通过合台编码全局约束，而不是局部线索。这使得它

并对目标区域（即前景）的约束来指导分割方法。两种流对于丢失或不正确的信息（例如错误标记的像素）

行的先验类型是编码前景形状[3,5,4]