Apr, 2019

图像分割的迭代卷积阈值法（ICTM）

PDF
TL;DR本文提出了一种新型的迭代卷积阈值方法（ ICTM ），可应用于多种变分模型的图像分割，并通过特征函数隐式地表示两个不同分割域之间的界面，通过热核卷积函数逼近正则化项，设计了一个简单高效能够使能量逐渐减少的迭代卷积阈值方法，数值实验证明该方法易于实现，具有鲁棒性且适用于多种图像分割模型。
image segmentationiterative convolution-thresholdingvariational modelscharacteristic functionsheat kernel convolution
发现论文，激发创造
  • 一种高效的迭代阈值方法用于图像分割

    本文提出了一种基于迭代阈值方法的高效多相图像分割算法，该算法通过最小化具有分段常数 Mumford-Shah 功能的轮廓长度（或周长）来近似非局部多相能量，并且具有总能量衰减特性。

    Aug, 2016

  • 总变差图像恢复的迭代收缩方法

    提出了一种基于迭代收缩方法和 TV 功能的算法，可以高效地处理大型数字图像，实现从退化图像中恢复原始图像。

    Oct, 2009

  • 学习迭代阈值算法的最优非线性函数

    本论文提出了一种使用神经网络和误差反向传播算法学习最优阈值函数的数据驱动迭代收缩阈值算法（ISTA），并在稀疏统计信号上进行模拟实验，证明了这种算法在估计质量上的潜在提升。

    Dec, 2015

  • 一种带有转换总变差的图像分割模型

    使用基于转换的 l1 正则化的转换总变差 (TTV)，提出了带模糊成员函数的 TTV 正则化 Mumford--Shah 模型进行图像分割，并通过交替方向乘子法设计了求解算法。数值实验表明，在图像分割中使用 TTV 比传统的 TV 和其他非凸 TV 变体更有效。

    Jun, 2024

  • 基于聚类的生成不完整图像文本聚类 (CIGIT-C)

    本研究针对多模态数据，使用一种基于生成网络的不完整图文聚类方法，旨在解决实际情景中数据不完整的问题，并在公开数据集上验证了其性能优于已有方法。

    Sep, 2022

  • 图像恢复问题的最优参数结构

    研究了图像恢复变分模型中最佳正则化参数的定性特性，参数是作为约束条件的恢复问题的双层优化问题的解。我们考虑了一种常见的正则化器，涵盖了总变差、总广义变差和下确界卷积总变差。通过一定给定数据的条件，我们证明了由双层优化问题导出的最优参数存在，关键点在于证明了此证明存在性时最优参数远离 0。

    May, 2015

  • DCTM：离散 - 连续变换匹配在语义流中的应用

    通过离散 - 连续变换匹配框架中的迭代标签优化和连续正则化，提出了一种基于卷积神经网络描述符的密集仿射变换场推测方法，能够高效地从仿射变换的连续空间中得到解决方案。实验结果表明，该模型在各种基准测试中优于现有的密集语义对应方法。

    Jul, 2017

  • 一种用于全变差最小化的收敛重叠域分解方法

    本文探讨了收敛性的顺序和并行重叠域分解方法，用于将关于数据的偏差项和总变差约束所形成的泛函最小化的非线性、非加性和非光滑问题。我们提供了几个数值实验，展示了算法在一维信号和二维图像的内插 / 修复问题以及压缩感知问题中成功的应用，用于从部分傅里叶系数集中恢复分段恒定的医学类型图像。

    May, 2009

  • 噪声图像分割中的边缘阈值处理

    在考虑基于高斯场变形的噪声模型的前提下，本文针对医学图像分割中的标签噪声展开研究，提供了采样和边缘概率的计算方法，并探讨了交叉熵和软 - Dice 损失函数的理论最优解，以及如何通过阈值处理交叉熵解来恢复软 - Dice 的最优解。通过基于 TotalSegmentor 数据集的 5 折研究，验证了修改阈值可以将交叉熵的效果提升到甚至优于软 - Dice。

    Apr, 2023

  • 插值一致性训练用于半监督学习

    通过 Interpolation Consistency Training 的算法来对半监督学习场景下的深度神经网络进行训练，该算法促进了标记分布的一致性并在高可信度值下减少过度拟合。

    Mar, 2019