gydF4y2Ba我们提出了一个新的多相分割框架基于随机理论和相变理论。我们的主要贡献在于一个构造函数的引入,使其成分与相位函数隶属度函数形式。通过这种方式,它可以节省内存空间,也避免了一般单纯形软分割的约束问题。然后应用于部分体积分割框架。虽然部分体积分割本文专注于大脑先生形象,拟议的框架可以应用于任何分割包含部分体积有限的决议和重叠造成的。
<年代p一个ncl作为年代="end-abs">
1。介绍
gydF4y2Ba大致说来,多相分割比两相分割更具挑战性。有很多原因可以解释这种现象。但对于能源模型,其中一个原因是很难控制收敛的实现多相分割比两阶段细分。一个极端的例子是实施阶段(局部最小值)可能导致低于预期。最近,多相分割被广泛的研究。一种方法是采用水平集方法。例如,论文[<一个href="#B24">1一个>,2一个>)使用多个水平集函数,和论文(<一个href="#B19">3一个>,4一个>为每个水平集函数使用多个层。软分割为多相分割(开发的另一种方式<一个href="#B12">5一个>- - - - - -<一个href="#B33">7一个>]。让<年代vghe我ght="10.325" id="M1" style="vertical-align:-0.0pt;width:9.0375004px;" version="1.1" viewbox="0 0 9.0375004 10.325" width="9.0375004" xmlns="http://www.w3.org/2000/svg">
表示一幅图像包含<年代vghe我ght="10.325" id="M2" style="vertical-align:-0.0pt;width:13.2875px;" version="1.1" viewbox="0 0 13.2875 10.325" width="13.2875" xmlns="http://www.w3.org/2000/svg">
阶段。软分割的目的是找到一组函数<年代vghe我ght="14.7125" id="M3" style="vertical-align:-3.2316pt;width:92.074997px;" version="1.1" viewbox="0 0 92.074997 14.7125" width="92.074997" xmlns="http://www.w3.org/2000/svg">
,
(
1
≤
≤
)
指示点的概率<年代vghe我ght="7.1624999" id="M4" style="vertical-align:-0.11285pt;width:8.7250004px;" version="1.1" viewbox="0 0 8.7250004 7.1624999" width="8.7250004" xmlns="http://www.w3.org/2000/svg">
属于<年代vghe我ght="9.9250002" id="M5" style="vertical-align:-0.13794pt;width:4.9875002px;" version="1.1" viewbox="0 0 4.9875002 9.9250002" width="4.9875002" xmlns="http://www.w3.org/2000/svg">
th阶段。
gydF4y2Ba图像分割的相似性和相变理论在材料科学和流体力学,激发了人们借一些思想在当代材料科学,例如,Cahn-Hilliard的扩散界面模型(<一个href="#B9">8一个>),其严格的数学分析的框架<年代vghe我ght="10.475" id="M6" style="vertical-align:-0.0pt;width:9.3000002px;" version="1.1" viewbox="0 0 9.3000002 10.475" width="9.3000002" xmlns="http://www.w3.org/2000/svg">
Γ
收敛近似口风琴和Mortola [<一个href="#B21">9一个>,10一个>]。相场放松由近似周长使用Cahn-Hilliard类型惩罚功能(<一个href="#B9">8一个>)的形式<年代p一个ncl作为年代="equation" id="EEq1">
在哪里<年代vghe我ght="11.8375" id="M8" style="vertical-align:-0.51414pt;width:137.5625px;" version="1.1" viewbox="0 0 137.5625 11.8375" width="137.5625" xmlns="http://www.w3.org/2000/svg">
∶
ℝ
→
ℝ
∪
+
∞
是一个标量函数在0和1两个解满足吗<年代vghe我ght="13.45" id="M9" style="vertical-align:-2.21957pt;width:111.8px;" version="1.1" viewbox="0 0 111.8 13.45" width="111.8" xmlns="http://www.w3.org/2000/svg">
(
0
)
=
(
1
)
=
0
。第二项的惩罚功能确保材料密度的值<年代vghe我ght="7.1624999" id="M10" style="vertical-align:-0.13794pt;width:7.3125px;" version="1.1" viewbox="0 0 7.3125 7.1624999" width="7.3125" xmlns="http://www.w3.org/2000/svg">
收敛于0或1<年代vghe我ght="10.9125" id="M11" style="vertical-align:-0.17555pt;width:43.650002px;" version="1.1" viewbox="0 0 43.650002 10.9125" width="43.650002" xmlns="http://www.w3.org/2000/svg">
→
0
,而第一项控制周长。的参数<年代vghe我ght="7.1875" id="M12" style="vertical-align:-0.13794pt;width:7.4749999px;" version="1.1" viewbox="0 0 7.4749999 7.1875" width="7.4749999" xmlns="http://www.w3.org/2000/svg">
可以解释为扩散边缘的宽度表示<年代vghe我ght="7.1624999" id="M13" style="vertical-align:-0.13794pt;width:7.3125px;" version="1.1" viewbox="0 0 7.3125 7.1624999" width="7.3125" xmlns="http://www.w3.org/2000/svg">
。相场方法被用于拓扑优化问题(<一个href="#B7">11一个>- - - - - -<一个href="#B38">13一个>]。在[<一个href="#B26">14一个>],作者利用相场近似锐利边缘和变分相场模型推导出计算形状平均给定的形状。在[<一个href="#B8">12一个>),作者使用的相变理论Cahn-Hilliard修复模型。
gydF4y2Ba由于相变理论应用到模型可以提高模式分离,使边界平滑,该理论已被广泛应用于图像分割(<一个href="#B28">6一个>,15一个>- - - - - -<一个href="#B27">17一个>]。作者在<一个href="#B27">17一个>)提出了一个基于相变理论的图像分割模型口风琴和Mortola并讨论其连接Mumford-Shah模型和一些相关的工作。然后陈等人扩展它在随机理论(<一个href="#B14">16一个>]。在[<一个href="#B28">6一个>沈),提出了一个一般的多相随机变分模糊分割模型结合随机原则和Modica-Mortola相变理论。
gydF4y2Ba有一个公共点上面提到的模型。他们都包含一个规律性术语和保真项假设图像是分段常数或足够光滑,这使他们容易受到噪音。虽然我们可以选择大重量的保真项抑制噪音,分割的结果是敏感规律之间的权重的选择项和忠诚。如果规律性的重量比这大得多的忠诚,然后边精细结构可以保存很好但噪音可能不是理想的删除。另一方面,如果我们选择相反,也就是说,保真项的重量比这大得多的规律性,噪声将被删除很好但边缘可能受损,可能会丢失一些精细结构。为了避免这种困境,近年来已经有一些研究针对采用非局部图像信息,如graph-cut-based方法(离散情况)<一个href="#B5">18一个>)和nonlocal-variation-based方法(连续情况)(<一个href="#B3">19一个>]。在这些方法中,一个点是否优势不仅取决于当地的强度差异,而且找到的类似的特征频率点一直重复在整个域。通过非局部信息,边缘可以保存完好而噪音平滑。
gydF4y2Ba框架不同于使用非局部信息,本文利用随机理论来抑制噪声和提高分割的结果。它可以被认为一个扩展的分段常数Mumford-Shah模型上面提到的。更准确地说,我们假设每个点的强度是一个高斯分布的随机样本。在每一个阶段<年代vghe我ght="14.7125" id="M14" style="vertical-align:-3.2316pt;width:18.299999px;" version="1.1" viewbox="0 0 18.299999 14.7125" width="18.299999" xmlns="http://www.w3.org/2000/svg">
Ω
遵循相同的高斯分布,点的意思<年代vghe我ght="11.05" id="M15" style="vertical-align:-3.2316pt;width:13.1625px;" version="1.1" viewbox="0 0 13.1625 11.05" width="13.1625" xmlns="http://www.w3.org/2000/svg">
和方差<年代vghe我ght="10.8375" id="M16" style="vertical-align:-3.2316pt;width:15.85px;" version="1.1" viewbox="0 0 15.85 10.8375" width="15.85" xmlns="http://www.w3.org/2000/svg">
。我们假设干净真实的形象<年代vghe我ght="13.45" id="M17" style="vertical-align:-2.21957pt;width:26.5375px;" version="1.1" viewbox="0 0 26.5375 13.45" width="26.5375" xmlns="http://www.w3.org/2000/svg">
(
)
仍然是分段常数(即。,在年代我de each phase, the intensities are always a constant equal to<年代vghe我ght="11.05" id="M18" style="vertical-align:-3.2316pt;width:13.1625px;" version="1.1" viewbox="0 0 13.1625 11.05" width="13.1625" xmlns="http://www.w3.org/2000/svg">
),但受高斯噪声污染<年代vghe我ght="13.45" id="M19" style="vertical-align:-2.21957pt;width:26.9px;" version="1.1" viewbox="0 0 26.9 13.45" width="26.9" xmlns="http://www.w3.org/2000/svg">
(
)
,也就是说,<年代vghe我ght="13.45" id="M20" style="vertical-align:-2.21957pt;width:116.8625px;" version="1.1" viewbox="0 0 116.8625 13.45" width="116.8625" xmlns="http://www.w3.org/2000/svg">
(
)
=
(
)
+
(
)
。因此,分在同一阶段的强度将不是一个常数,而是一个家庭的样本相同的高斯分布<年代vghe我ght="14.7125" id="M21" style="vertical-align:-3.2316pt;width:34.349998px;" version="1.1" viewbox="0 0 34.349998 14.7125" width="34.349998" xmlns="http://www.w3.org/2000/svg">
(
)
,也就是说,一个高斯分布的PDF(概率密度函数)。通过最大化的可能性(联合PDF)的随机样本,富达术语变成了以下表格(见细节部分<一个href="#sec3">3一个>):
在哪里<年代vghe我ght="14.7125" id="M23" style="vertical-align:-3.2316pt;width:87.724998px;" version="1.1" viewbox="0 0 87.724998 14.7125" width="87.724998" xmlns="http://www.w3.org/2000/svg">
0
≤
(
)
≤
1
是特征函数的光滑近似的<年代vghe我ght="10.7375" id="M24" style="vertical-align:-0.13794pt;width:8.6000004px;" version="1.1" viewbox="0 0 8.6000004 10.7375" width="8.6000004" xmlns="http://www.w3.org/2000/svg">
th阶段,<年代vghe我ght="11.05" id="M25" style="vertical-align:-3.2316pt;width:13.1625px;" version="1.1" viewbox="0 0 13.1625 11.05" width="13.1625" xmlns="http://www.w3.org/2000/svg">
和<年代vghe我ght="10.8375" id="M26" style="vertical-align:-3.2316pt;width:15.85px;" version="1.1" viewbox="0 0 15.85 10.8375" width="15.85" xmlns="http://www.w3.org/2000/svg">
分别平均值和标准变化。在应用程序中,<年代vghe我ght="14.7125" id="M27" style="vertical-align:-3.2316pt;width:33.325001px;" version="1.1" viewbox="0 0 33.325001 14.7125" width="33.325001" xmlns="http://www.w3.org/2000/svg">
(
)
通常选择在这样一种方式呢<年代vghe我ght="20.0875" id="M28" style="vertical-align:-3.8347pt;width:96.737503px;" version="1.1" viewbox="0 0 96.737503 20.0875" width="96.737503" xmlns="http://www.w3.org/2000/svg">
∑
−
1
=
0
(
)
=
1
在整个域。所以,软分割模型成为一个标准<年代vghe我ght="14.7125" id="M29" style="vertical-align:-3.2316pt;width:33.325001px;" version="1.1" viewbox="0 0 33.325001 14.7125" width="33.325001" xmlns="http://www.w3.org/2000/svg">
(
)
概率函数。与分段常数(<一个href="#B24">1一个>- - - - - -<一个href="#B33">7一个>,15一个>,17一个>变体无关),点<年代vghe我ght="7.1624999" id="M30" style="vertical-align:-0.11285pt;width:8.7250004px;" version="1.1" viewbox="0 0 8.7250004 7.1624999" width="8.7250004" xmlns="http://www.w3.org/2000/svg">
在哪里<年代vghe我ght="18.012501" id="M31" style="vertical-align:-3.2316pt;width:73.824997px;" version="1.1" viewbox="0 0 73.824997 18.012501" width="73.824997" xmlns="http://www.w3.org/2000/svg">
(
−
(
)
)
2
相对比<年代vghe我ght="18.012501" id="M32" style="vertical-align:-3.2316pt;width:71.300003px;" version="1.1" viewbox="0 0 71.300003 18.012501" width="71.300003" xmlns="http://www.w3.org/2000/svg">
(
−
(
)
)
2
对于一些<年代vghe我ght="13" id="M33" style="vertical-align:-1.95624pt;width:29.375px;" version="1.1" viewbox="0 0 29.375 13" width="29.375" xmlns="http://www.w3.org/2000/svg">
≠
由于噪音,保真项模型(<一个href="#EEq2">2一个>)仍然可以进行分类<我>kth阶段(正确的阶段)和噪音因此可以克制。原因是很大的影响<年代vghe我ght="18.012501" id="M34" style="vertical-align:-3.2316pt;width:73.824997px;" version="1.1" viewbox="0 0 73.824997 18.012501" width="73.824997" xmlns="http://www.w3.org/2000/svg">
(
−
(
)
)
2
将部分抵消了方差。另一方面,基于概率理论,我们知道的概率<年代vghe我ght="14.7125" id="M35" style="vertical-align:-3.2316pt;width:47.849998px;" version="1.1" viewbox="0 0 47.849998 14.7125" width="47.849998" xmlns="http://www.w3.org/2000/svg">
⊂
Ω
对于一个连通区域<年代vghe我ght="10.725" id="M36" style="vertical-align:-0.1254pt;width:11.375px;" version="1.1" viewbox="0 0 11.375 10.725" width="11.375" xmlns="http://www.w3.org/2000/svg">
大的区别<年代vghe我ght="14.7125" id="M37" style="vertical-align:-3.2316pt;width:70.125px;" version="1.1" viewbox="0 0 70.125 14.7125" width="70.125" xmlns="http://www.w3.org/2000/svg">
|
(
)
−
|
对所有<年代vghe我ght="14.7125" id="M38" style="vertical-align:-3.2316pt;width:46.287498px;" version="1.1" viewbox="0 0 46.287498 14.7125" width="46.287498" xmlns="http://www.w3.org/2000/svg">
∈
Ω
比的概率小得多<年代vghe我ght="14.7125" id="M39" style="vertical-align:-3.2316pt;width:46.287498px;" version="1.1" viewbox="0 0 46.287498 14.7125" width="46.287498" xmlns="http://www.w3.org/2000/svg">
∈
Ω
为一个孤立点<年代vghe我ght="7.1624999" id="M40" style="vertical-align:-0.11285pt;width:8.7250004px;" version="1.1" viewbox="0 0 8.7250004 7.1624999" width="8.7250004" xmlns="http://www.w3.org/2000/svg">
大的区别<年代vghe我ght="14.7125" id="M41" style="vertical-align:-3.2316pt;width:70.125px;" version="1.1" viewbox="0 0 70.125 14.7125" width="70.125" xmlns="http://www.w3.org/2000/svg">
|
(
)
−
|
。这个事实可以保证模型的基础上(<一个href="#EEq2">2一个>)可以保护小结构而消除孤立噪声。
gydF4y2Ba在这篇文章中,我们并没有引入隶属度函数作为近似的特征函数。相反,我们引入一个构造函数<年代vghe我ght="13.5625" id="M42" style="vertical-align:-2.21957pt;width:28.15px;" version="1.1" viewbox="0 0 28.15 13.5625" width="28.15" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
复合函数<年代vghe我ght="13.5625" id="M43" style="vertical-align:-2.21957pt;width:84.900002px;" version="1.1" viewbox="0 0 84.900002 13.5625" width="84.900002" xmlns="http://www.w3.org/2000/svg">
ℎ
∘
(
(
)
−
)
概率函数的性质<年代vghe我ght="14.7125" id="M44" style="vertical-align:-3.2316pt;width:33.325001px;" version="1.1" viewbox="0 0 33.325001 14.7125" width="33.325001" xmlns="http://www.w3.org/2000/svg">
(
)
。因此,模型本身仍然是一个软分割。应用构造函数模型的优势在于,将会有更少的变量引入模型中使讨论和实现更容易。例如,只要我们知道<年代vghe我ght="13.45" id="M45" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
的概率<年代vghe我ght="14.7125" id="M46" style="vertical-align:-3.2316pt;width:33.325001px;" version="1.1" viewbox="0 0 33.325001 14.7125" width="33.325001" xmlns="http://www.w3.org/2000/svg">
(
)
紧随其后的是<年代vghe我ght="14.825" id="M47" style="vertical-align:-3.2316pt;width:137.4875px;" version="1.1" viewbox="0 0 137.4875 14.825" width="137.4875" xmlns="http://www.w3.org/2000/svg">
(
)
=
ℎ
∘
(
(
)
−
)
。
gydF4y2Ba在大脑核磁共振图像,有三个组织,也就是说,白质,灰质和脑脊液(CSF)。由于有限的决议和nonregularity纯边界的问题,有一些部分卷由重叠的纯很重要。这些部分卷很难被纯粹的问题。我们假设每个部分卷是一个混合高斯分布所产生的两个高斯分布对应于纯粹的问题。拟议的框架可以应用于部分体积分割。剩下的纸是组织如下。节<一个href="#sec2">2一个>的框架,我们开发多相分割结合相变理论和高斯分布。部分<一个href="#sec3">3一个>是实现和一些注意事项。然后在节<一个href="#sec4">4一个>我们应用框架部分体积分割。实验进行的部分<一个href="#sec5">5一个>。我们通过例子展示该模型的优势通过比较与其它多相分割模型。最后,我们在信纸上用一个简短的结论。
2。框架开发
gydF4y2Ba在本节中,我们开发一个框架多相分割通过整合相变理论和统计方法。让<年代vghe我ght="16.5375" id="M48" style="vertical-align:-2.21957pt;width:66.212502px;" version="1.1" viewbox="0 0 66.212502 16.5375" width="66.212502" xmlns="http://www.w3.org/2000/svg">
∈
2
(
Ω
)
是一个形象定义在有界,光滑和开放的领域<年代vghe我ght="14.1625" id="M49" style="vertical-align:-0.3135pt;width:48.799999px;" version="1.1" viewbox="0 0 48.799999 14.1625" width="48.799999" xmlns="http://www.w3.org/2000/svg">
Ω
⊂
2
。假设图像包含<年代vghe我ght="10.325" id="M50" style="vertical-align:-0.0pt;width:13.2875px;" version="1.1" viewbox="0 0 13.2875 10.325" width="13.2875" xmlns="http://www.w3.org/2000/svg">
阶段,我们以图像为一个随机领域与下列假设:<年代p一个ncl作为年代="list">(我)年代p一个n><年代p一个ncl作为年代="list-content">每一点<年代vghe我ght="11.1125" id="M51" style="vertical-align:-0.33858pt;width:39.737499px;" version="1.1" viewbox="0 0 39.737499 11.1125" width="39.737499" xmlns="http://www.w3.org/2000/svg">
∈
Ω
,强度<年代vghe我ght="13.45" id="M52" style="vertical-align:-2.21957pt;width:26.625px;" version="1.1" viewbox="0 0 26.625 13.45" width="26.625" xmlns="http://www.w3.org/2000/svg">
(
)
是一个随机变量;年代p一个n>年代p一个n>(2)年代p一个n><年代p一个ncl作为年代="list-content">所有的随机变量<年代vghe我ght="13.8625" id="M53" style="vertical-align:-2.37006pt;width:94.087502px;" version="1.1" viewbox="0 0 94.087502 13.8625" width="94.087502" xmlns="http://www.w3.org/2000/svg">
{
(
)
∣
∈
Ω
}
是独立的;年代p一个n>年代p一个n>(3)年代p一个n><年代p一个ncl作为年代="list-content">在每一个阶段<年代vghe我ght="17.637501" id="M54" style="vertical-align:-5.39853pt;width:130.10001px;" version="1.1" viewbox="0 0 130.10001 17.637501" width="130.10001" xmlns="http://www.w3.org/2000/svg">
∣
Ω
,
0
≤
≤
−
1
,所有的随机变量<年代vghe我ght="14.775" id="M55" style="vertical-align:-3.2316pt;width:104.4625px;" version="1.1" viewbox="0 0 104.4625 14.775" width="104.4625" xmlns="http://www.w3.org/2000/svg">
{
(
)
∶
∈
Ω
}
同分布为高斯分布,相同的意思吗<年代vghe我ght="11.05" id="M56" style="vertical-align:-3.2316pt;width:13.1625px;" version="1.1" viewbox="0 0 13.1625 11.05" width="13.1625" xmlns="http://www.w3.org/2000/svg">
和相同的方差<年代vghe我ght="19.075001" id="M57" style="vertical-align:-4.25465pt;width:15.85px;" version="1.1" viewbox="0 0 15.85 19.075001" width="15.85" xmlns="http://www.w3.org/2000/svg">
2
(待定)。年代p一个n>年代p一个n>
我们想最大化的可能性,联合pdf<年代vghe我ght="13.575" id="M58" style="vertical-align:-2.26974pt;width:87.762497px;" version="1.1" viewbox="0 0 87.762497 13.575" width="87.762497" xmlns="http://www.w3.org/2000/svg">
{
(
)
,
∈
Ω
}
后,相当于减少能源(细节可以在[<一个href="#B14">16一个>):
其次,我们从(借项长度<一个href="#B27">17一个>基于相变理论。让<年代vghe我ght="10.325" id="M60" style="vertical-align:-0.0pt;width:9.0375004px;" version="1.1" viewbox="0 0 9.0375004 10.325" width="9.0375004" xmlns="http://www.w3.org/2000/svg">
上面定义的图像。的<我>签名功能我><年代vghe我ght="13.45" id="M61" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
被定义为<年代p一个ncl作为年代="equation" id="EEq4">
然后的总变异<年代vghe我ght="13.45" id="M63" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
是<年代vghe我ght="18.549999" id="M64" style="vertical-align:-4.47675pt;width:43.762501px;" version="1.1" viewbox="0 0 43.762501 18.549999" width="43.762501" xmlns="http://www.w3.org/2000/svg">
∫
Ω
|
|
,在那里<年代vghe我ght="10.55" id="M65" style="vertical-align:-0.17555pt;width:20.275px;" version="1.1" viewbox="0 0 20.275 10.55" width="20.275" xmlns="http://www.w3.org/2000/svg">
表示矢量氡测量的总变异(电视)<年代vghe我ght="7.375" id="M66" style="vertical-align:-0.17555pt;width:7.9250002px;" version="1.1" viewbox="0 0 7.9250002 7.375" width="7.9250002" xmlns="http://www.w3.org/2000/svg">
。我们有以下关系:<年代p一个ncl作为年代="equation" id="EEq5">
在哪里<年代vghe我ght="14.7125" id="M68" style="vertical-align:-3.2316pt;width:26.2875px;" version="1.1" viewbox="0 0 26.2875 14.7125" width="26.2875" xmlns="http://www.w3.org/2000/svg">
Ω
的边界<年代vghe我ght="14.7125" id="M69" style="vertical-align:-3.2316pt;width:18.299999px;" version="1.1" viewbox="0 0 18.299999 14.7125" width="18.299999" xmlns="http://www.w3.org/2000/svg">
Ω
。因此,<年代vghe我ght="18.549999" id="M70" style="vertical-align:-4.47675pt;width:62.775002px;" version="1.1" viewbox="0 0 62.775002 18.549999" width="62.775002" xmlns="http://www.w3.org/2000/svg">
∫
Ω
|
(
)
|
是所有阶段的边缘的长度。理想的模型是之和最小化<年代vghe我ght="13.8625" id="M71" style="vertical-align:-2.37006pt;width:83.724998px;" version="1.1" viewbox="0 0 83.724998 13.8625" width="83.724998" xmlns="http://www.w3.org/2000/svg">
(
,
,
∣
]
长词和负对数似(<一个href="#EEq3">3一个>)
注意,当<年代vghe我ght="14.75" id="M73" style="vertical-align:-3.25793pt;width:160.72501px;" version="1.1" viewbox="0 0 160.72501 14.75" width="160.72501" xmlns="http://www.w3.org/2000/svg">
0
=
1
=
⋯
=
−
1
≠
0
,该模型相当于分段常数Mumford-Shah模型。然而,这个模型有固有的缺点由于签名函数的不连续性<年代vghe我ght="13.45" id="M74" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
和特征函数<年代vghe我ght="14.75" id="M75" style="vertical-align:-3.25793pt;width:27.450001px;" version="1.1" viewbox="0 0 27.450001 14.75" width="27.450001" xmlns="http://www.w3.org/2000/svg">
1
=
,这将阻碍PDE-based方法的应用。因此,我们需要使用一些轻松的版本。签名函数,我们介绍它的放松版本通过著名的模型的口风琴和Mortola相变材料科学和流体力学。我们引用作者的论文(<一个href="#B9">8一个>- - - - - -<一个href="#B22">10一个>,17一个>为进一步了解相变理论。
gydF4y2Ba让<年代vghe我ght="13.45" id="M76" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
̃
(
)
是一个平滑函数版本的签名<年代vghe我ght="13.45" id="M77" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
领域,叫做阶段。很简单,我们仍然使用相同的符号<年代vghe我ght="13.45" id="M78" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
表示这个阶段。口风琴和Mortola<一个href="#B21">9一个>),
收敛到<年代vghe我ght="18.549999" id="M81" style="vertical-align:-4.47675pt;width:97.449997px;" version="1.1" viewbox="0 0 97.449997 18.549999" width="97.449997" xmlns="http://www.w3.org/2000/svg">
∫
(
4
/
)
Ω
|
(
)
|
在<年代vghe我ght="16.5375" id="M82" style="vertical-align:-2.21957pt;width:42.450001px;" version="1.1" viewbox="0 0 42.450001 16.5375" width="42.450001" xmlns="http://www.w3.org/2000/svg">
1
(
ℛ
)
阶段字段<年代vghe我ght="13.45" id="M83" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
最终只拿整数值。现在我们更换长度项(<一个href="#EEq6">6一个>)(7一个>)当<年代vghe我ght="7.1875" id="M84" style="vertical-align:-0.13794pt;width:7.4749999px;" version="1.1" viewbox="0 0 7.4749999 7.1875" width="7.4749999" xmlns="http://www.w3.org/2000/svg">
是足够小。的特征函数<年代vghe我ght="14.75" id="M85" style="vertical-align:-3.25793pt;width:27.450001px;" version="1.1" viewbox="0 0 27.450001 14.75" width="27.450001" xmlns="http://www.w3.org/2000/svg">
1
=
,我们可以使用任何光滑函数<年代vghe我ght="14.825" id="M86" style="vertical-align:-3.2316pt;width:34.700001px;" version="1.1" viewbox="0 0 34.700001 14.825" width="34.700001" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
如果只作为一个近似<年代vghe我ght="14.825" id="M87" style="vertical-align:-3.2316pt;width:89.099998px;" version="1.1" viewbox="0 0 89.099998 14.825" width="89.099998" xmlns="http://www.w3.org/2000/svg">
0
≤
ℎ
(
)
≤
1
和<年代vghe我ght="20.0875" id="M88" style="vertical-align:-3.8347pt;width:36.337502px;" version="1.1" viewbox="0 0 36.337502 20.0875" width="36.337502" xmlns="http://www.w3.org/2000/svg">
∑
−
1
=
0
对所有<年代vghe我ght="11.1125" id="M89" style="vertical-align:-0.33858pt;width:39.737499px;" version="1.1" viewbox="0 0 39.737499 11.1125" width="39.737499" xmlns="http://www.w3.org/2000/svg">
∈
Ω
。理想的光滑函数<年代vghe我ght="14.825" id="M90" style="vertical-align:-3.2316pt;width:34.700001px;" version="1.1" viewbox="0 0 34.700001 14.825" width="34.700001" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
应该有以下属性:<年代p一个ncl作为年代="list">(我)年代p一个n><年代p一个ncl作为年代="list-content">每一点<年代vghe我ght="11.1125" id="M91" style="vertical-align:-0.33858pt;width:39.737499px;" version="1.1" viewbox="0 0 39.737499 11.1125" width="39.737499" xmlns="http://www.w3.org/2000/svg">
∈
Ω
在哪里<年代vghe我ght="13.45" id="M92" style="vertical-align:-2.21957pt;width:54.787498px;" version="1.1" viewbox="0 0 54.787498 13.45" width="54.787498" xmlns="http://www.w3.org/2000/svg">
(
)
=
,<年代vghe我ght="14.825" id="M93" style="vertical-align:-3.2316pt;width:34.700001px;" version="1.1" viewbox="0 0 34.700001 14.825" width="34.700001" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
接近于1;年代p一个n>年代p一个n>(2)年代p一个n><年代p一个ncl作为年代="list-content">每一点<年代vghe我ght="11.1125" id="M94" style="vertical-align:-0.33858pt;width:39.737499px;" version="1.1" viewbox="0 0 39.737499 11.1125" width="39.737499" xmlns="http://www.w3.org/2000/svg">
∈
Ω
在哪里<年代vghe我ght="13.6375" id="M95" style="vertical-align:-2.21957pt;width:98.224998px;" version="1.1" viewbox="0 0 98.224998 13.6375" width="98.224998" xmlns="http://www.w3.org/2000/svg">
|
(
)
−
|
>
0
。
5
,<年代vghe我ght="14.825" id="M96" style="vertical-align:-3.2316pt;width:34.700001px;" version="1.1" viewbox="0 0 34.700001 14.825" width="34.700001" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
接近0。年代p一个n>年代p一个n>
如果我们可以选择<年代vghe我ght="13.5625" id="M97" style="vertical-align:-2.21957pt;width:28.15px;" version="1.1" viewbox="0 0 28.15 13.5625" width="28.15" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
令人满意的,<年代vghe我ght="13.5625" id="M98" style="vertical-align:-2.21957pt;width:28.15px;" version="1.1" viewbox="0 0 28.15 13.5625" width="28.15" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
接近0和接近于零的一个小社区,然后呢<年代vghe我ght="14.825" id="M99" style="vertical-align:-3.2316pt;width:34.700001px;" version="1.1" viewbox="0 0 34.700001 14.825" width="34.700001" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
可以表示为<年代vghe我ght="13.5625" id="M100" style="vertical-align:-2.21957pt;width:72.474998px;" version="1.1" viewbox="0 0 72.474998 13.5625" width="72.474998" xmlns="http://www.w3.org/2000/svg">
ℎ
(
(
)
−
)
自<年代vghe我ght="13.45" id="M101" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
几乎是整数。然后,保真项(<一个href="#EEq3">3一个>)成为<年代p一个ncl作为年代="equation" id="EEq8">
现在,作为最后一步,我们把放松长度项(<一个href="#EEq7">7一个>(保真项)和放松<一个href="#EEq8">8一个>)。新能源的功能<年代p一个ncl作为年代="equation" id="EEq9">
这是该框架的多相分割。与大多数现有的模型相比,该模型是可靠的噪音和更适用;此外,由于相位函数<年代vghe我ght="13.45" id="M104" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
参与模式,细分可以直接从相位函数。
3所示。实现和注意事项gydF4y2Ba在我们的框架(<一个href="#EEq9">9一个>),有三组参数,确定的方法<年代vghe我ght="14.75" id="M105" style="vertical-align:-3.25793pt;width:128.2px;" version="1.1" viewbox="0 0 128.2 14.75" width="128.2" xmlns="http://www.w3.org/2000/svg">
=
(
0
,
1
,
…
,
−
1
)
,差异<年代vghe我ght="19.325001" id="M106" style="vertical-align:-4.35121pt;width:145.45px;" version="1.1" viewbox="0 0 145.45 19.325001" width="145.45" xmlns="http://www.w3.org/2000/svg">
=
(
2
0
,
2
1
,
…
,
2
−
1
)
领域和阶段<年代vghe我ght="13.45" id="M107" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
。我们计算<年代vghe我ght="14.9375" id="M108" style="vertical-align:-3.2316pt;width:85.599998px;" version="1.1" viewbox="0 0 85.599998 14.9375" width="85.599998" xmlns="http://www.w3.org/2000/svg">
(
,
,
∣
]
关于<年代vghe我ght="7.375" id="M109" style="vertical-align:-0.17555pt;width:7.9250002px;" version="1.1" viewbox="0 0 7.9250002 7.375" width="7.9250002" xmlns="http://www.w3.org/2000/svg">
,<年代vghe我ght="7.7375002" id="M110" style="vertical-align:-0.17555pt;width:7.0625px;" version="1.1" viewbox="0 0 7.0625 7.7375002" width="7.0625" xmlns="http://www.w3.org/2000/svg">
,<年代vghe我ght="7.3125" id="M111" style="vertical-align:-0.1254pt;width:10.1625px;" version="1.1" viewbox="0 0 10.1625 7.3125" width="10.1625" xmlns="http://www.w3.org/2000/svg">
作为独立的变量。这允许应用程序交替最小化(AM)计划,也就是说,交替优化这三个条件的能量<年代vghe我ght="14.9375" id="M112" style="vertical-align:-3.2316pt;width:177.575px;" version="1.1" viewbox="0 0 177.575 14.9375" width="177.575" xmlns="http://www.w3.org/2000/svg">
(
∣
,
,
]
,
(
∣
,
,
]
,<年代vghe我ght="14.9375" id="M113" style="vertical-align:-3.2316pt;width:85.599998px;" version="1.1" viewbox="0 0 85.599998 14.9375" width="85.599998" xmlns="http://www.w3.org/2000/svg">
(
∣
,
,
]
在迭代的<年代vghe我ght="13.9875" id="M114" style="vertical-align:-0.17555pt;width:184.1375px;" version="1.1" viewbox="0 0 184.1375 13.9875" width="184.1375" xmlns="http://www.w3.org/2000/svg">
(
)
→
(
)
→
(
)
→
(
+
1
)
给出的<年代p一个ncl作为年代="equation" id="EEq10">
众所周知(见沃格尔(<一个href="#B37">20.一个>),我计划是单调的:<年代p一个ncl作为年代="equation" id="eq1">
(<一个href="#EEq10">10一个>)和(<一个href="#EEq10">11一个>),一个可以在像素级别,<年代p一个ncl作为年代="equation" id="EEq13">
在哪里<年代vghe我ght="22.362499" id="M120" style="vertical-align:-5.84473pt;width:21.275px;" version="1.1" viewbox="0 0 21.275 22.362499" width="21.275" xmlns="http://www.w3.org/2000/svg">
(
)
,
表示计算相位场在笛卡尔的图像域的步骤<年代vghe我ght="7.1374998" id="M121" style="vertical-align:-0.10033pt;width:7.8874998px;" version="1.1" viewbox="0 0 7.8874998 7.1374998" width="7.8874998" xmlns="http://www.w3.org/2000/svg">
。
gydF4y2Ba为<年代vghe我ght="17.799999" id="M122" style="vertical-align:-3.2316pt;width:171.66251px;" version="1.1" viewbox="0 0 171.66251 17.799999" width="171.66251" xmlns="http://www.w3.org/2000/svg">
一个
r
g
米
我
n
(
∣
(
)
,
(
)
,
]
,因为该模型不是一个活动轮廓模型(保真项的积分是不可分割的边界),它是不适当的使用水平集方法实现。除此之外,我们的目标不是要发现的粗分割<年代vghe我ght="13.45" id="M123" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
但确切的价值<年代vghe我ght="13.45" id="M124" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
这样我们可以估计纯重要组成部分体积在大脑核磁共振图像使用组成<年代vghe我ght="13.5625" id="M125" style="vertical-align:-2.21957pt;width:84.900002px;" version="1.1" viewbox="0 0 84.900002 13.5625" width="84.900002" xmlns="http://www.w3.org/2000/svg">
ℎ
∘
(
(
)
−
)
为<年代vghe我ght="12.3" id="M126" style="vertical-align:-1.29163pt;width:92.5625px;" version="1.1" viewbox="0 0 92.5625 12.3" width="92.5625" xmlns="http://www.w3.org/2000/svg">
0
≤
≤
−
1
。注意的欧拉方程<年代vghe我ght="17.799999" id="M127" style="vertical-align:-3.2316pt;width:111.75px;" version="1.1" viewbox="0 0 111.75 17.799999" width="111.75" xmlns="http://www.w3.org/2000/svg">
(
∣
(
)
,
(
)
,
]
关于<年代vghe我ght="7.375" id="M128" style="vertical-align:-0.17555pt;width:7.9250002px;" version="1.1" viewbox="0 0 7.9250002 7.375" width="7.9250002" xmlns="http://www.w3.org/2000/svg">
是<年代p一个ncl作为年代="equation" id="EEq15">
至于大多数多相分割模型,能量的功能<年代vghe我ght="14.9375" id="M130" style="vertical-align:-3.2316pt;width:84.287498px;" version="1.1" viewbox="0 0 84.287498 14.9375" width="84.287498" xmlns="http://www.w3.org/2000/svg">
(
,
,
∣
]
不是凸对吗<年代vghe我ght="7.375" id="M131" style="vertical-align:-0.17555pt;width:7.9250002px;" version="1.1" viewbox="0 0 7.9250002 7.375" width="7.9250002" xmlns="http://www.w3.org/2000/svg">
。因此,简单的迭代方案获得直接从欧拉方程可能不收敛。在我们的应用程序中,我们采用凸凹形过程(CCCP)。挺应用到我们的模型之前,我们先给一个简短的回顾挺。我们只描述的基本结果,有必要理解本文。对于更多的细节,我们参考读者(<一个href="#B28">6一个>,21一个>]。我们也建议读者使用选定的初始值来帮助收敛(但不保证)。
3.1。凸凹形过程(CCCP)gydF4y2Ba凸凹形过程是一个凸优化分割方法由Yuille探索和Rangarajan周二<一个href="#B39">21一个>]。下面的定理是挺的基础。
<年代p一个ncl作为年代="statement" id="thm1">定理1。年代p一个n><我>考虑一个能量函数是有界的下面是一个增加凸、凹函数:我><年代p一个ncl作为年代="equation" id="EEq16">
然后,给出的离散迭代CCCP算法我><年代p一个ncl作为年代="equation" id="eq2">
保证单调减少的能量<年代vghe我ght="14.775" id="M134" style="vertical-align:-2.21957pt;width:30.2875px;" version="1.1" viewbox="0 0 30.2875 14.775" width="30.2875" xmlns="http://www.w3.org/2000/svg">
(
⃗
)
作为时间的函数,收敛到局部最小值或鞍点<年代vghe我ght="14.775" id="M135" style="vertical-align:-2.21957pt;width:30.2875px;" version="1.1" viewbox="0 0 30.2875 14.775" width="30.2875" xmlns="http://www.w3.org/2000/svg">
(
⃗
)
。我>年代p一个n>
命题1。年代p一个n><我>让<年代vghe我ght="18.549999" id="M136" style="vertical-align:-4.47675pt;width:126.6375px;" version="1.1" viewbox="0 0 126.6375 18.549999" width="126.6375" xmlns="http://www.w3.org/2000/svg">
∫
(
)
=
Ω
(
(
)
)
,在那里<年代vghe我ght="16.700001" id="M137" style="vertical-align:-2.34499pt;width:67.987503px;" version="1.1" viewbox="0 0 67.987503 16.700001" width="67.987503" xmlns="http://www.w3.org/2000/svg">
∈
2
(
)
。如果<年代vghe我ght="15.5625" id="M138" style="vertical-align:-2.34499pt;width:63.712502px;" version="1.1" viewbox="0 0 63.712502 15.5625" width="63.712502" xmlns="http://www.w3.org/2000/svg">
≥
−
对于一些<年代vghe我ght="13.6125" id="M139" style="vertical-align:-2.34499pt;width:35.262501px;" version="1.1" viewbox="0 0 35.262501 13.6125" width="35.262501" xmlns="http://www.w3.org/2000/svg">
≥
0
。我们定义的分裂我><年代p一个ncl作为年代="equation" id="EEq17">
那么两个<年代vghe我ght="13.45" id="M141" style="vertical-align:-2.21957pt;width:27.6px;" version="1.1" viewbox="0 0 27.6 13.45" width="27.6" xmlns="http://www.w3.org/2000/svg">
(
)
和<年代vghe我ght="16.5375" id="M142" style="vertical-align:-2.21957pt;width:35.962502px;" version="1.1" viewbox="0 0 35.962502 16.5375" width="35.962502" xmlns="http://www.w3.org/2000/svg">
2
(
)
是凸的。我>年代p一个n>
证明是微不足道的<年代p一个ncl作为年代="equation" id="eq3">
如果<年代vghe我ght="15.5625" id="M144" style="vertical-align:-2.34499pt;width:63.712502px;" version="1.1" viewbox="0 0 63.712502 15.5625" width="63.712502" xmlns="http://www.w3.org/2000/svg">
≥
−
对于一些<年代vghe我ght="13.6125" id="M145" style="vertical-align:-2.34499pt;width:35.262501px;" version="1.1" viewbox="0 0 35.262501 13.6125" width="35.262501" xmlns="http://www.w3.org/2000/svg">
≥
0
。
3.2。迭代计划阶段的功能<年代vghe我ght="13.45" id="M146" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
找到<年代vghe我ght="17.799999" id="M147" style="vertical-align:-3.2316pt;width:161.95px;" version="1.1" viewbox="0 0 161.95 17.799999" width="161.95" xmlns="http://www.w3.org/2000/svg">
一个
r
g
米
我
n
(
|
(
)
,
(
)
,
]
中国共产党,我们现在应用的算法。在本节中,我们将暂时假设参数<年代vghe我ght="14.7125" id="M148" style="vertical-align:-3.2316pt;width:110.1375px;" version="1.1" viewbox="0 0 110.1375 14.7125" width="110.1375" xmlns="http://www.w3.org/2000/svg">
,
,
1
≤
≤
都是出名的声明的目的。
gydF4y2Ba请注意,<年代vghe我ght="16.862499" id="M149" style="vertical-align:-2.21957pt;width:159.72501px;" version="1.1" viewbox="0 0 159.72501 16.862499" width="159.72501" xmlns="http://www.w3.org/2000/svg">
(
2
/
2
)
年代
我
n
2
≥
−
2
2
,我们分手<年代vghe我ght="14.5" id="M150" style="vertical-align:-3.2316pt;width:33.75px;" version="1.1" viewbox="0 0 33.75 14.5" width="33.75" xmlns="http://www.w3.org/2000/svg">
(
]
作为<年代p一个ncl作为年代="equation" id="EEq18">
同样的,假设<年代vghe我ght="16.775" id="M152" style="vertical-align:-2.34499pt;width:150.7625px;" version="1.1" viewbox="0 0 150.7625 16.775" width="150.7625" xmlns="http://www.w3.org/2000/svg">
(
2
/
2
)
ℎ
(
−
)
≥
−
,在那里<年代vghe我ght="9.9375" id="M153" style="vertical-align:-2.34499pt;width:8.0625px;" version="1.1" viewbox="0 0 8.0625 9.9375" width="8.0625" xmlns="http://www.w3.org/2000/svg">
取决于函数<年代vghe我ght="13.5625" id="M154" style="vertical-align:-2.21957pt;width:24.025px;" version="1.1" viewbox="0 0 24.025 13.5625" width="24.025" xmlns="http://www.w3.org/2000/svg">
ℎ
(
⋅
)
。我们分手<年代vghe我ght="13.45" id="M155" style="vertical-align:-2.21957pt;width:40.4375px;" version="1.1" viewbox="0 0 40.4375 13.45" width="40.4375" xmlns="http://www.w3.org/2000/svg">
(
|
]
作为<年代p一个ncl作为年代="equation" id="EEq19">
在哪里<年代p一个ncl作为年代="equation" id="EEq20">
我们只是表示它<年代p一个ncl作为年代="equation" id="EEq22">
由命题<一个href="#prop1">1一个>,
1
(
]
,<年代vghe我ght="17.799999" id="M160" style="vertical-align:-3.2316pt;width:36.349998px;" version="1.1" viewbox="0 0 36.349998 17.799999" width="36.349998" xmlns="http://www.w3.org/2000/svg">
2
(
]
,<年代vghe我ght="16.8125" id="M161" style="vertical-align:-2.37006pt;width:56.549999px;" version="1.1" viewbox="0 0 56.549999 16.8125" width="56.549999" xmlns="http://www.w3.org/2000/svg">
1
(
∣
]
和<年代vghe我ght="16.8125" id="M162" style="vertical-align:-2.37006pt;width:56.549999px;" version="1.1" viewbox="0 0 56.549999 16.8125" width="56.549999" xmlns="http://www.w3.org/2000/svg">
2
(
∣
]
都是凸的。为了应用挺,我们还需要下面的功能是有界的。要做到这一点,我们必须假定图像是没有常数阶段。或详细,我们假设每个方差<年代vghe我ght="19.075001" id="M163" style="vertical-align:-4.25465pt;width:39.575001px;" version="1.1" viewbox="0 0 39.575001 19.075001" width="39.575001" xmlns="http://www.w3.org/2000/svg">
2
≠
0
。然后<年代p一个ncl作为年代="equation" id="EEq23">
因此,功能<年代vghe我ght="17.799999" id="M165" style="vertical-align:-3.2316pt;width:111.75px;" version="1.1" viewbox="0 0 111.75 17.799999" width="111.75" xmlns="http://www.w3.org/2000/svg">
(
∣
(
)
,
(
)
,
]
界低。
<年代p一个ncl作为年代="statement" id="rem1">备注1。我>年代p一个n>这个假设也适用于大多数应用程序如果图像以来分段常数,我们不需要做任何分割。即使一些阶段是完全不变,假设仍然可以真正通过添加一些噪声或杂散点的阶段。年代p一个n>
由定理<一个href="#thm1">1一个>中国共产党,我们现在可以使用迭代计划通过邻导数,也就是说,<年代p一个ncl作为年代="equation" id="EEq24">
在分部积分(见(<一个href="#EEq15">15一个>)),上述方程等价于以下PDE。<年代p一个ncl作为年代="equation" id="EEq25">
方括号中的词汇从哪里来的欧拉方程<年代vghe我ght="14.3625" id="M168" style="vertical-align:-3.2316pt;width:17.049999px;" version="1.1" viewbox="0 0 17.049999 14.3625" width="17.049999" xmlns="http://www.w3.org/2000/svg">
。然后我们可以使用任何现有的方法来解决<年代vghe我ght="11.5125" id="M169" style="vertical-align:-3.49493pt;width:26.950001px;" version="1.1" viewbox="0 0 26.950001 11.5125" width="26.950001" xmlns="http://www.w3.org/2000/svg">
+
1
如高斯-赛德尔方法。现在我们有了所有的三个最小化(<一个href="#EEq10">10一个>),(11一个>)和(<一个href="#EEq10">12一个>)。我们可以使用交替最小化方案讨论本节的开始。
3.3。构造近似函数<年代vghe我ght="13.5625" id="M170" style="vertical-align:-2.21957pt;width:28.15px;" version="1.1" viewbox="0 0 28.15 13.5625" width="28.15" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
我们构建<年代vghe我ght="14.825" id="M171" style="vertical-align:-3.2316pt;width:34.275002px;" version="1.1" viewbox="0 0 34.275002 14.825" width="34.275002" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
以这样一种方式<年代vghe我ght="14.825" id="M172" style="vertical-align:-3.2316pt;width:78.599998px;" version="1.1" viewbox="0 0 78.599998 14.825" width="78.599998" xmlns="http://www.w3.org/2000/svg">
ℎ
(
(
)
−
)
形成一个所有权的函数<年代vghe我ght="10.7375" id="M173" style="vertical-align:-0.13794pt;width:8.6000004px;" version="1.1" viewbox="0 0 8.6000004 10.7375" width="8.6000004" xmlns="http://www.w3.org/2000/svg">
th阶段,<年代vghe我ght="14.825" id="M174" style="vertical-align:-3.2316pt;width:34.275002px;" version="1.1" viewbox="0 0 34.275002 14.825" width="34.275002" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
定义如下:<年代p一个ncl作为年代="equation" id="EEq26">
在哪里<年代vghe我ght="10.7375" id="M176" style="vertical-align:-0.13794pt;width:7.9875002px;" version="1.1" viewbox="0 0 7.9875002 10.7375" width="7.9875002" xmlns="http://www.w3.org/2000/svg">
理论上是一个参数满足吗<年代vghe我ght="11.25" id="M177" style="vertical-align:-0.30096pt;width:74.112503px;" version="1.1" viewbox="0 0 74.112503 11.25" width="74.112503" xmlns="http://www.w3.org/2000/svg">
0
<
<
0
。
5
,应该足够小。图<一个href="//www.newsama.com/journals/acisc/2011/786369/fig1/" target="_blank">1一个>显示不同的分支<年代vghe我ght="14.825" id="M178" style="vertical-align:-3.2316pt;width:91.025002px;" version="1.1" viewbox="0 0 91.025002 14.825" width="91.025002" xmlns="http://www.w3.org/2000/svg">
ℎ
∘
(
(
)
−
)
为<年代vghe我ght="12.8875" id="M179" style="vertical-align:-1.76814pt;width:103.8125px;" version="1.1" viewbox="0 0 103.8125 12.8875" width="103.8125" xmlns="http://www.w3.org/2000/svg">
=
−
1
,
0
,
1
,
2
,
3
。在图<一个href="//www.newsama.com/journals/acisc/2011/786369/fig2/" target="_blank">2一个>一个三相的例子表明,<年代p一个ncl作为年代="equation" id="EEq27">
只适用于<年代vghe我ght="13.125" id="M181" style="vertical-align:-1.95624pt;width:122.3875px;" version="1.1" viewbox="0 0 122.3875 13.125" width="122.3875" xmlns="http://www.w3.org/2000/svg">
∈
(
−
1
−
,
1
+
]
。在应用程序中,我们定义<年代vghe我ght="14.825" id="M182" style="vertical-align:-3.2316pt;width:69.462502px;" version="1.1" viewbox="0 0 69.462502 14.825" width="69.462502" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
∶
=
1
为<年代vghe我ght="13.45" id="M183" style="vertical-align:-2.21957pt;width:199.6875px;" version="1.1" viewbox="0 0 199.6875 13.45" width="199.6875" xmlns="http://www.w3.org/2000/svg">
∈
(
−
∞
,
−
)
∪
(
−
1
+
,
∞
)
。然后<年代vghe我ght="20.0875" id="M184" style="vertical-align:-3.8347pt;width:123.8125px;" version="1.1" viewbox="0 0 123.8125 20.0875" width="123.8125" xmlns="http://www.w3.org/2000/svg">
∑
−
1
=
0
ℎ
(
−
)
≡
1
,所以我们的模型是一个标准的软分割模型。
(一)年代trong>
(b)年代trong>
注意,尽管这个函数<年代vghe我ght="14.825" id="M191" style="vertical-align:-3.2316pt;width:34.275002px;" version="1.1" viewbox="0 0 34.275002 14.825" width="34.275002" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
本身并不是一个好的近似<年代vghe我ght="14.75" id="M192" style="vertical-align:-3.25793pt;width:27.450001px;" version="1.1" viewbox="0 0 27.450001 14.75" width="27.450001" xmlns="http://www.w3.org/2000/svg">
1
=
基于它的图形,组合<年代vghe我ght="14.825" id="M193" style="vertical-align:-3.2316pt;width:91.025002px;" version="1.1" viewbox="0 0 91.025002 14.825" width="91.025002" xmlns="http://www.w3.org/2000/svg">
ℎ
∘
(
(
)
−
)
实际上是一个非常好的近似的<年代vghe我ght="14.75" id="M194" style="vertical-align:-3.25793pt;width:27.450001px;" version="1.1" viewbox="0 0 27.450001 14.75" width="27.450001" xmlns="http://www.w3.org/2000/svg">
1
=
的原因,任期长度(<一个href="#EEq7">7一个>),相位函数<年代vghe我ght="13.45" id="M195" style="vertical-align:-2.21957pt;width:26.924999px;" version="1.1" viewbox="0 0 26.924999 13.45" width="26.924999" xmlns="http://www.w3.org/2000/svg">
(
)
最终只会整数值使作文吗<年代vghe我ght="14.825" id="M196" style="vertical-align:-3.2316pt;width:54.487499px;" version="1.1" viewbox="0 0 54.487499 14.825" width="54.487499" xmlns="http://www.w3.org/2000/svg">
ℎ
∘
(
)
主要评估仅基于块<年代vghe我ght="13.45" id="M197" style="vertical-align:-2.21957pt;width:170.8125px;" version="1.1" viewbox="0 0 170.8125 13.45" width="170.8125" xmlns="http://www.w3.org/2000/svg">
(
2
/
)
c
o
年代
(
/
2
)
+
1
−
自<年代vghe我ght="13.45" id="M198" style="vertical-align:-2.21957pt;width:86.550003px;" version="1.1" viewbox="0 0 86.550003 13.45" width="86.550003" xmlns="http://www.w3.org/2000/svg">
|
(
)
−
|
≤
为<年代vghe我ght="7.1624999" id="M199" style="vertical-align:-0.11285pt;width:8.7250004px;" version="1.1" viewbox="0 0 8.7250004 7.1624999" width="8.7250004" xmlns="http://www.w3.org/2000/svg">
属于阶段<年代vghe我ght="10.7375" id="M200" style="vertical-align:-0.13794pt;width:8.6000004px;" version="1.1" viewbox="0 0 8.6000004 10.7375" width="8.6000004" xmlns="http://www.w3.org/2000/svg">
。因此,<年代vghe我ght="14.825" id="M201" style="vertical-align:-3.2316pt;width:91.025002px;" version="1.1" viewbox="0 0 91.025002 14.825" width="91.025002" xmlns="http://www.w3.org/2000/svg">
ℎ
∘
(
(
)
−
)
最终将以价值<年代vghe我ght="13.45" id="M202" style="vertical-align:-2.21957pt;width:91.037498px;" version="1.1" viewbox="0 0 91.037498 13.45" width="91.037498" xmlns="http://www.w3.org/2000/svg">
(
2
/
)
+
1
−
接近1很好当吗<年代vghe我ght="10.7375" id="M203" style="vertical-align:-0.13794pt;width:7.9875002px;" version="1.1" viewbox="0 0 7.9875002 10.7375" width="7.9875002" xmlns="http://www.w3.org/2000/svg">
是足够小。最后,我们想要提到<年代vghe我ght="14.825" id="M204" style="vertical-align:-3.2316pt;width:34.275002px;" version="1.1" viewbox="0 0 34.275002 14.825" width="34.275002" xmlns="http://www.w3.org/2000/svg">
ℎ
(
)
定义在一个显式的方式,它的导数可以很容易计算。我们终于可以用迭代计划挺发达在上面的部分。