基于迭代重加权的高阶张量图匹配算法OACSTPCD
High-Order Tensor Graph Matching Based on Iterative Reweight Method
图匹配是计算机视觉中基础且重要的一个问题.稀疏约束作为一种有效的优化方法,被广泛应用于机器学习和图像处理中.传统的图匹配方法并不能获得足够有效且稀疏的近似解,为解决这个问题且进一步探究稀疏优化在图匹配中的应用,故引入一种L1/2范数以改进高阶张量图匹配模型,并提出了基于迭代重加权的方法以近似求解该非凸非光滑模型.通过标准实验数据集上的对比实验表明,基于迭代重加权的高阶图匹配算法可以得到更加有效且稀疏性强的解,提高了匹配准确率.同时在抵抗匹配噪声的…查看全部>>
Graph matching is a fundamental and significant problem in computer vision.Sparse constraint is widely used in machine learning and image processing as an effective optimization method.The classical graph matching method can't obtain sufficient effective and sparse approximate solution.In order to solve this problem and further explore the application of sparse optimization in graph matching,a L1/2 norm method is introduced to improve the high order tensor g…查看全部>>
徐国夏;韩立新;石冰
河海大学计算机与信息学院,南京211100河海大学计算机与信息学院,南京211100河海大学计算机与信息学院,南京211100
信息技术与安全科学
L1/2范数迭代重加权高阶图匹配
L1/2 non-convex penaltyiterative reweighthigh-order graph matching
《微型电脑应用》 2018 (1)
60-63,80,5
评论