[發(fā)明專利]一種基于自適應(yīng)正則化的圖像分析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710737260.0
• 申請(qǐng)日: 2017-08-24
• 公開（公告）號(hào): CN107464228A
• 公開（公告）日: 2017-12-12
• 發(fā)明（設(shè)計(jì)）人: 夏春秋
• 申請(qǐng)（專利權(quán)）人: 深圳市唯特視科技有限公司
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于自適應(yīng)正則化的圖像分析方法，其特征在于，主要包括自適應(yīng)正則化方法(一)；自適應(yīng)正則化在成像問題中的應(yīng)用(二)；整體能量?jī)?yōu)化(三)。

2.基于權(quán)利要求書1所述的自適應(yīng)正則化方法(一)，其特征在于，通過結(jié)合Bayesian或Tikhonov等標(biāo)準(zhǔn)正則化方法來促進(jìn)自適應(yīng)正則化方法的形成，用f來表示圖像或視頻等數(shù)據(jù)，用u來表示用于分割圖像的分區(qū)的特征方程或光流區(qū)域等受關(guān)注的目標(biāo)，并假設(shè)有一個(gè)以似然函數(shù)的形式存在的模型，其先前形式為然后嘗試通過Bayesian標(biāo)準(zhǔn)(最大后驗(yàn)概率)來求解等式(1)從而推斷出u，這里等式(1)如下所示：

這些模型從能量函數(shù)導(dǎo)出，并將其中不適定的部分做最小化處理，故此處Tikhonov正則化通過選擇一個(gè)泛函來引入，其中需要對(duì)進(jìn)行最小化，將數(shù)據(jù)項(xiàng)解釋為負(fù)對(duì)數(shù)似然函數(shù)并將正則化矩陣解釋為先驗(yàn)負(fù)對(duì)數(shù)似然函數(shù)q(u(x))∝exp(-γ(u(x)))，這樣可以得到等式(2)如下：

其中乘數(shù)λ是能夠控制正則化程度的正標(biāo)量參數(shù)，并且是先驗(yàn)固定的，如等式(3)與(4)所示：

q(u)∝Πx∈Ωexp(-γ(u(x)))---(4)]]>

正則化矩陣使得最后λ函數(shù)的解有所偏差，然后在進(jìn)行優(yōu)化的過程中改變?chǔ)说闹祦砣〈潭ㄖ担沟谜齽t化矩陣的權(quán)重一開始最大，隨后這一權(quán)重會(huì)下降，選擇使用等式(5)如下所示：

其中根據(jù)退火程序，λ的值滿足λ→1，這里在Bayesian框架中沒有任何解釋，且其并不取決于λ的特定值，而取決于退火程序，在本發(fā)明的方法中則選擇如下所示的等式(6)作為模型的形式：

省略用于簡(jiǎn)化符號(hào)的參數(shù)u，并讓?duì)说闹抵瘘c(diǎn)的取決于解u：當(dāng)最后的解的數(shù)據(jù)是壞的擬合時(shí)，其似然概率會(huì)比較小且λ的值也因此比較大，而此時(shí)正則化權(quán)值也比較大；當(dāng)最后的解的數(shù)據(jù)是好的擬合時(shí)，其似然概率接近1且正則化矩陣所占權(quán)值達(dá)到最小，更重要的是λ的值對(duì)u中的每個(gè)分量x是不同的，導(dǎo)致正則化程度隨空間變化而變化，也將這種方法命名為自適應(yīng)正則化，且這一模型在時(shí)間迭代與空間變化的情況下都可以做到自適應(yīng)，這樣最后的優(yōu)化結(jié)果如等式(6)所示：

為了方便注釋u(x)中的x，等式在條件獨(dú)立的特定假設(shè)下從離散化的能量泛函中導(dǎo)出。