最近听了一个报告,来自KAUST,做的是tracking,给定第一帧中一个物体的分割,求后面若干帧中该物体的分割。
其采用的方法有两个重点
1.用Sobolev gradient flow解决最优化问题
2.目标方程考虑物体移动时新出现的部分和被遮挡的部分。
虽然讨论重点是第一点,但个人觉得主要贡献还是集中在第二点。因为Sobolev gradient flow是一个出现已久的概念。但不可否认,这种优化方法被多多少少忽略了。
一般来说,根据贝叶斯原理,图像配准的经典目标方程是
这里写的比较随意了,但是第一项就是图像在形变下的匹配程度,第二项就是所谓的regularization,以保证形变的平滑。注意到这里的形变u定义在一般的希尔伯特L2空间中(类比于可积的欧式空间)。由于最后优化的结果是两项的折衷,所以通常获得形变会很小。尤其是alpha的选择很难,太大和太小都有一定的问题,而且在优化过程中是固定的(对图像中所有位