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．
8 u% m) i+ j& \

2 ~, f, z% E' }5 k( J6 G5 R0 G7 ]; [
! I- Q8 S) V0 W0 m" P, ^8 D3 y关键词： 图像分割；图像分解；稀疏表示；小波；变分模型
7 j1 ], V9 F2 W) }4 k6 Z" `
! {, V1 Q, w1 Q- V+ u
8 k. `+ V% T! A4 b9 {" {
3 f7 |1 `' |" m# H( {5 Y. g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］
+ @: B6 [$ C7 M  h, v! C


1 O3 g# l! I7 f4 w
附件下载：

游客，如果您要查看本帖隐藏内容请回复

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
* K; U  }8 J! E6 G3 f7 Q能够分割较复杂的纹理图 像

7 Z6 s1 A$ V+ e% z3 h2 g$ W哈哈哈 是呀