基于图像分解的稀疏正则化多区域图像分割方法

谢谢侬

要： 针对图像具有不同特征的成分，提出一种基于图像分解的多区域图像分割模型和算法．首先将图像分 解项引入到图像分割模型中，递减了纹理和噪声对分割的影响；其次使用稀疏正则化方法保持分割区域的边缘几何结 构；最后基于增广 Ｌａｇｒａｎｇｅ乘子法，给出一种由扩散流引导的小波迭代阈值图像分割算法．一系列实验结果表明，提出 的方法抗干扰能力强，对噪声具有更好的鲁棒性．提出的方法不仅能够分割结构图像，并且能够分割较复杂的纹理图 像．

- P; L& D' k4 s- P. a5 Q/ v5 E
8 w3 p! A& N% t5 x: o& y
& q$ q+ \& Y  ^, B, V关键词： 图像分割；图像分解；稀疏表示；小波；变分模型
* Q9 F0 ~  a5 S8 ~; R; N

8 ~9 h4 h5 t- r+ y0 |. W2 T* I
/ I& v. v5 Q0 m图像分割是图像处理与计算机视觉中最为基础和 重要的研究内容之一，它是对图像进行视觉分析和模式 识别的基本前提．图像分割的目标是将图像划分成各具 特性的区域．图像分割的难点在于图像的复杂性和多样 性．特别，由于图像纹理区域的存在，使图像同质区域的 灰度信息不均匀和弱边界问题更加突出，进一步增加了 图像分割的难度．到目前为止，人们已经提出了很多图 像分割方法，基于变分模型的分割方法是近年来图像分 割的研究热点之一［１～７］．该方法可分为两类：一类是硬 分割，例如：水平集方法［１，２］，正弦势函数法［３］；另一类是 软分割（也称为模糊分割），例如：使用可以相互重叠的 隶属度函数来表示分割区域［４～７］．由于隶属度函数的灵 活可变性，软分割比硬分割有更快的处理速度和更好的 分割效果［５，６］
& b/ |1 X- f3 D! ^

6 \# a6 Z6 h3 T" s% v
7 t+ ]# u+ E6 [
4 y% r1 e. s" i/ s% o; E6 f( O+ Z附件下载：

游客，如果您要查看本帖隐藏内容请回复

7 O/ ~1 X! L7 b+ l3 m

silenced

能够分割较复杂的纹理图 像

谢谢侬

silenced 发表于 2021-5-12 13:14
能够分割较复杂的纹理图 像

1 ]/ w  \2 {. b5 x+ X2 g4 ]9 b哈哈哈 是呀
2 w5 D. V3 ~! o- s" J: a