spectral clustering with sparsity
click to edit
图像分割
测度距离
可划分性
相似度度量
性质
非负，对称，三角不等
点集
图像
度量距离：Lp空间
像素点距离度量，属性（色差）度量
划分方法：L0优化
梯度
方法
连续性
核空间
特征向量物理意义
点集在大特征向量张成空间是流形
原空间非线性划分在核空间具有线性可分性
测度更general，避免核参数选取
对簇的度量，同簇连续性强，不同簇连续性弱
线性可分空间下，连续性被梯度表示
定义：特征向量的差分
假设梯度具有稀疏性
代价函数定义：向量保真+梯度稀疏约束
L0优化问题，ADMM求解
排除孤立点：对全局吸引力远小于其他簇，归于最大簇
相似度距离
优势
相邻像素点连通，pairwise距离为最短路径
图问题
相邻顶点相连，无向图中顶点之间最短路径距离
稀疏邻接矩阵的Floyd算法
分割具有距离连续性约束
分割准确性
L0优化稀疏系数调节
算法应用于大型图像分割
算法具有有效性