项目名称: 基于高维特征和稀疏子空间聚类的图像分割方法研究

项目编号: No.61472303

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 王卫卫

作者单位: 西安电子科技大学

项目金额: 80万元

中文摘要: 图像分割是图像理解与识别的基础,是计算机视觉亟需解决的问题。传统图像分割方法使用个别图像特征,个别特征不能反映自然界的丰富多样性,分割精度有限。本项目将图像分割看成图像高维特征的聚类问题,并利用目前高维数据聚类中最有效的、无监督、无需先验信息的稀疏子空间聚类方法来解决。创新点有: 以子空间表示矩阵应具有类间稀疏类内一致特性为原则,利用分组p-q范数和迭代重加权稀疏范数设计正则项,将核范数推广为奇异值的非凸p范数,将其与新的稀疏度量相结合,得到类间稀疏类内均匀的子空间表示;在分析新正则项的数学性质基础上,给出类间稀疏类内一致正则项的条件,为设计类间稀疏类内一致正则项提供理论依据,在此基础上设计新的正则项;分析特征域噪声特性,设计与之相适应的误差度量和数据项;利用推广的主元素分析法和本项目设计的正则项、数据项建立图像高维特征降维和子空间表示相联合的模型与算法。预期取得与国际先进水平相当的成果。

中文关键词: 图像分割;高维特征;稀疏子空间聚类;谱聚类

英文摘要: Image segmentation is a fundamental problem in image interpretation and recognition, which are important parts in computer vision research. For simplicity in modeling image segmentation, most traditional methods just use a few features, which, however, cannot well characterize the variety of the nature, thus having limited segmentation precision. In this proposal, we take image segmentation as a clustering problem of high dimensional features,and use the idea of sparse subspace clustering to solve it because the sparse subspace clustering is one of the most effective methods for segmenting high dimensional data. The contribution of this proposal includes: we propose the priciple that the subspace representation matrix should be sparse between clusters and uniform within clusters.In order to enforce the inter-cluster sparsity and intra-cluster uniformity of the subspace representation matrix, we propose to use the so called p-q norm and iterative reweighted 1-norm or 2-norm to design regularization terms. we also generalize the nuclear norm to the p-norm of the singular values, and combine it with the new sparse measures to design regularity terms. We will explore the mathematical properties of these regularization terms and present the general conditions on the regularization term to enforce the inter-cluster sparsity and intra-cluster uniformity of the subspace representation matrix. The conditions will provide priciples on designing new regularization terms. We will design new error measurement and data terms according to the statistics of noise in image features. Finally, by using the extended PCA methods, the regularization terms and data terms we design to incorporate the feature dimension reduction into the subspace representation model such that the computation load be reduced and the method be more robust. We expcet to achieve results of comparative quality with internatioanl level.

英文关键词: image segmentation;high dimensional feature;sparse subspace clustering;spectral clustering

成为VIP会员查看完整内容
0

相关内容

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
32+阅读 · 2021年7月27日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
一文归纳AI数据增强之法
极市平台
2+阅读 · 2022年1月11日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
图像分割概述 & ENet 实例
AI研习社
14+阅读 · 2019年2月19日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
23+阅读 · 2021年3月4日
Arxiv
31+阅读 · 2020年9月21日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
42+阅读 · 2021年8月30日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
32+阅读 · 2021年7月27日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
相关资讯
一文归纳AI数据增强之法
极市平台
2+阅读 · 2022年1月11日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
图像分割概述 & ENet 实例
AI研习社
14+阅读 · 2019年2月19日
一文看懂常用特征工程方法
AI研习社
17+阅读 · 2018年5月2日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员