46、弱凸耦合：连续切割与形状先验

弱凸耦合：连续切割与形状先验

1 引言

1.1 概述与相关工作

近年来，基于对底层组合问题的紧密凸松弛，出现了各种用于图像标记和分割的连续变分方法。在二分类的二元情况下，经过阈值处理后，这种松弛可以计算出全局组合最优解；而在多标签的非二元情况下，通过原始 - 对偶迭代的数值实验表明，也能得到高质量的组合解。与完全离散的图割方法不同，连续凸方法不会陷入局部最小值问题。此外，稀疏凸规划中的大量一阶最小化算法可用于高效解决大规模问题。

变分方法包括数据项和正则化项。数据项是线性形式，对要处理的图像特征类型没有限制。对于正则化项，已有许多替代标准 Potts 先验的方法，且都不影响变分方法的凸性。

然而，形状这一对可靠分割至关重要的因素，在凸变分框架中处理起来并不灵活。此前的研究在形状统计的变分表示方面做了大量工作，但存在一些问题：
- 形状表示可能与图像分割的表示不一致。
- 形状惩罚泛函通常是非凸的。
- 基于非凸水平集的泛函被用于图像分割。
- 添加形状惩罚泛函会破坏整体方法的凸性。

1.2 贡献与组织

本文提出的方法包括：
- 分别对分割和形状先验进行凸建模。
- 通过凸但可能不定的二次形式 $|Ax - B\mu|^2$ 对这些模型进行弱凸耦合，该形式用于衡量分割 $x$ 和形状 $\mu$ 在映射到共同空间后的相似度。

这样的方法避免了先前方法在优化方面的所有不足。在分割方面，使用连续切割的凸模型；在形状先验方面，应用二元马尔可夫随机场（MRF）的强化局部多面体凸松弛，其结构和参数通过大规模凸优化从形状数据库中离线学习得到。在耦合