国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于全局凸優(yōu)化變分模型的快速多相圖像分割方法

      文檔序號(hào):8513020閱讀:1259來(lái)源:國(guó)知局
      基于全局凸優(yōu)化變分模型的快速多相圖像分割方法
      【技術(shù)領(lǐng)域】
      [0001] 本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域圖像分割的方法,具體是一種基于全局凸 優(yōu)化變分模型(Global Convex Variational,GCV)的快速多相圖像分割方法。 技術(shù)背景
      [0002] 圖像分割是圖像特征提取和分類(lèi)的重要環(huán)節(jié),圖像分割的目的就是將圖像中的灰 度同質(zhì)區(qū)域分離開(kāi),并通過(guò)各個(gè)同質(zhì)區(qū)域的邊界來(lái)表達(dá)?;谧兎制⒎址匠痰膱D像分割 方法,由于具有將模型的初始估計(jì)和圖像數(shù)據(jù)先驗(yàn)知識(shí)統(tǒng)一于特征提取過(guò)程中,并利用分 割過(guò)程中獲得的先驗(yàn)知識(shí)來(lái)指導(dǎo)分割過(guò)程等優(yōu)勢(shì),因此成為近年來(lái)圖像分割的研宄熱點(diǎn)。 傳統(tǒng)的兩相Chan-Vese分割模型無(wú)法分割多區(qū)域同質(zhì)目標(biāo),其非凸能量泛函使得目標(biāo)函數(shù) 陷入局部最優(yōu),導(dǎo)致分割結(jié)果依賴(lài)于演化曲線的初始化,而且還使得一些快速數(shù)值計(jì)算方 法無(wú)法應(yīng)用?;谧兎炙郊亩嘞鄨D像分割方法,采用差分格式求解復(fù)雜的目標(biāo)函數(shù)導(dǎo) 致計(jì)算效率非常低,極大地限制了該算法的實(shí)際應(yīng)用價(jià)值。因此,如何建立有效分割模型的 能量泛函,以消除非凸能量泛函局部極優(yōu)問(wèn)題使得分割結(jié)果依賴(lài)于初始條件的影響,是多 相圖像分割領(lǐng)域的研宄熱點(diǎn)之一。
      [0003] 經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn),基于變分法理論的多相水平集方法最初通 過(guò)集成多種信息來(lái)構(gòu)建分割模型(Zhao H.K. "A variational level set approach to multiphase motion"(多相運(yùn)動(dòng)的變分水平集方法),Journal of Computational Physics(1996)7:79-195)。多相分段恒定的變分水平集分割模型(Vese L.,Chan T. "A multiphase level set framework for image segmentation using the Mumford and Shah model"(基于Mumford-Shah模型的多相水平集圖像分割框架),International Journal of Computer Vision) (2002)50(3) :271_293),進(jìn)一步簡(jiǎn)化了Mumford-Shah模型, 用N個(gè)水平集函數(shù)表達(dá)2N個(gè)相,避免多個(gè)水平集函數(shù)的重疊。方江雄等提出的多分辨率多 區(qū)域變分水平集圖像分割方法(專(zhuān)利號(hào):CN102044077B),通過(guò)多分辨率技術(shù)執(zhí)行分割圖像 的演化曲線來(lái)解決初始化水平集能量函數(shù)陷入局部能量最小值,降低了噪聲的干擾、減小 了搜索的空間。但是,這些多相圖像分割方法所建立的能量泛函均是非凸函數(shù),導(dǎo)致局部極 優(yōu)問(wèn)題的產(chǎn)生,而且還使得現(xiàn)有的快速算法無(wú)法直接應(yīng)用。

      【發(fā)明內(nèi)容】

      [0004] 本發(fā)明的目的是,通過(guò)提出一種基于全局凸優(yōu)化變分模型的快速多相圖像分割方 法,來(lái)解決非凸目標(biāo)泛函的局部極優(yōu)問(wèn)題,使得分割結(jié)果與初始條件無(wú)關(guān),并能用快速的數(shù) 值計(jì)算方法求解。
      [0005] 本發(fā)明的技術(shù)方案:在基于區(qū)域競(jìng)爭(zhēng)模型分割模型和多標(biāo)記特征函數(shù)定義的基礎(chǔ) 上,通過(guò)構(gòu)造非凸的能量泛函和能量泛函的凸化表示,并用對(duì)偶方法計(jì)算能量泛函的最小 化問(wèn)題,從而避免能量泛函的局部極優(yōu)問(wèn)題。具體步驟如下:
      [0006] 步驟1 :多標(biāo)記特征函數(shù)的定義。在不相交的圖像子域Qi* (整個(gè)圖像域?yàn)棣? 的點(diǎn)χ,多標(biāo)記特征函數(shù)七")e [0, 1],其中i = 1,......,N,其表達(dá)式如下:
      【主權(quán)項(xiàng)】
      1. 一種基于全局凸優(yōu)化變分模型的快速多相圖像分割方法,其能量泛函構(gòu)建過(guò)程如 下: 假設(shè)給定的圖像子域Ω中點(diǎn)坐標(biāo)為X,用N-I個(gè)水平集函數(shù)t表達(dá)N個(gè)區(qū)域(i = 1,…,Ν-1),其能量泛函表達(dá)式如下:
      其中r = Cr1, I為圖像的灰度均值,▽表示圖像梯度,Φ = ((J)1,…,Φν_ι),Η(χ) 是他3¥181(16函數(shù),!1(巾(|)三0,5(1)為平滑函數(shù)!1(1)的導(dǎo)數(shù),人1>〇,1 = 1,"*,1其 分割方法的具體步驟如下: 步驟1 :輸入分割圖像,定義多標(biāo)記特征函數(shù);在不相交的圖像子域,給每個(gè)區(qū)域 定義一個(gè)多標(biāo)記特征函數(shù)Ui (X) e [〇, 1] Q = 1,......,N-1); 步驟2 :分割模型能量泛函的構(gòu)建,根據(jù)圖像概率密度函數(shù)分布規(guī)律,用N-I個(gè)水平集 函數(shù)Φ i表達(dá)N個(gè)區(qū)域(i = 1,…,N-1); 步驟3 :能量泛函的轉(zhuǎn)換,重新定義多標(biāo)記特征函數(shù),將規(guī)則項(xiàng)中用全變分范 數(shù)3Τ?]^(|ν/(χ)|)|νΜ於表示,來(lái)簡(jiǎn)化能量泛函形式; 步驟4:全局凸優(yōu)化能量泛函的構(gòu)建,將非凸約束能量泛函轉(zhuǎn)化為凸優(yōu)化非約束最小 化能量泛函; 步驟5 :基于能量最小化的對(duì)偶方法求解過(guò)程,通過(guò)增加輔助變量Vi (X),用對(duì)偶方法來(lái) 解決能量泛函的最小化問(wèn)題。
      2. 根據(jù)權(quán)利要求1所述的基于全局凸優(yōu)化變分模型的快速多相圖像分割方法,其特征 在于:能量泛函的轉(zhuǎn)換,多標(biāo)記特征函數(shù)重定義如下:
      其中λ(!> 〇,通過(guò)已定義的變量Ui, i = 1,…,Ν-1,其中",(X)=丨采用凸松弛 方法來(lái)解決非凸問(wèn)題,其凸集□定義如下:
      用圖像變量{?,(x)}=1:來(lái)替代標(biāo)記函數(shù),其能量泛函表達(dá)式可重寫(xiě)為:
      其中U = Iu1,…,uN_J,該能量泛函由數(shù)據(jù)項(xiàng)和規(guī)則項(xiàng)構(gòu)成,規(guī)則項(xiàng)中用全變 分范數(shù)11〇,)=]^(|刃沐)|+)|\^卜表示,函數(shù)g(x) = v(1+x2),能量泛函表示可改寫(xiě)為:
      3. 根據(jù)權(quán)利要求1所述的基于全局凸優(yōu)化變分模型的快速多相圖像分割方法,其特征 在于:全局凸優(yōu)化的能量泛函構(gòu)建,對(duì)任意CiG R+,i = 1,…,N-1,函數(shù)g(x) e [〇, 1],步 驟3中非凸約束能量泛函轉(zhuǎn)化為凸優(yōu)化非約束最小化能量泛函如下:
      其中常量α >〇遠(yuǎn)大于λ2,κ (Ui) = max {min {2 I Ui-I I },1},懲罰因子 or SlHZi(X)IIiOO。
      4. 根據(jù)權(quán)利要求1所述的基于全局凸優(yōu)化變分模型的快速多相圖像分割方法,其特征 在于:基于能量最小化的對(duì)偶方法求解過(guò)程,通過(guò)用對(duì)偶方法增加輔助變量fv,(X)K 11來(lái)解 決最小化問(wèn)題,其表達(dá)式如下:
      各子區(qū)域Qi像素均值在迭代過(guò)程中更新方程式如下:
      其中 2? =1 -%,/=1,…,\二1, 依據(jù) Chan 等在 SIAM Journal on Applied Mathematics 上提出的 Algorithms for finding global minimizers of image segmentation and denoising models 中方法,通 過(guò)在能量泛函中增加對(duì)偶變量其能量泛函可改寫(xiě)如下:
      其中θ是非常小值,因?yàn)槟芰糠汉峭购瘮?shù),最小化能量泛函就 能得到全局最小值,為解決七和V i的凸優(yōu)化問(wèn)題,采用兩步迭代算法計(jì)算最小化問(wèn)題, 第一步:當(dāng)Vi固定,求解V i,其表達(dá)可寫(xiě)成:
      假定 Ui (X) = Vi (X) - Θ idivPi,向量 Pi滿(mǎn)足等式咖)ν(φ/?ρ, - v',)-|▽(跡φ, -v',)|p, = 0,通 過(guò)固定點(diǎn)方法pf=〇
      我們通過(guò)條件Ipr1(X)-P^(X)Isf (A = IOh來(lái)終止固定點(diǎn)迭代問(wèn)題, 第二步:求解Vi (X),與Vi (X)能量泛函表達(dá)式如下:
      其中 Vi (X) = min {max Iui (X) - Θ Pi (X),〇},1}。
      【專(zhuān)利摘要】一種基于全局凸優(yōu)化變分模型的快速多相圖像分割方法,主要包括多標(biāo)記特征函數(shù)的定義、非凸能量泛函的構(gòu)、建能量泛函的轉(zhuǎn)換、全局凸優(yōu)化的能量泛函構(gòu)建和基于能量最小化的對(duì)偶方法求解過(guò)程。在基于區(qū)域競(jìng)爭(zhēng)模型分割模型和多標(biāo)記特征函數(shù)定義的基礎(chǔ)上,通過(guò)構(gòu)造非凸的能量泛函和能量泛函的凸化表示,并用對(duì)偶方法計(jì)算能量泛函的最小化解。本發(fā)明所提出的分割方法既能解決非凸目標(biāo)泛函的局部極優(yōu)問(wèn)題,使得分割結(jié)果與初始條件無(wú)關(guān),又能極大地提高算法的計(jì)算效率。
      【IPC分類(lèi)】G06T7-00
      【公開(kāi)號(hào)】CN104835168
      【申請(qǐng)?zhí)枴緾N201510250167
      【發(fā)明人】劉花香, 方江雄, 肖靜, 劉彬, 郭文
      【申請(qǐng)人】東華理工大學(xué)
      【公開(kāi)日】2015年8月12日
      【申請(qǐng)日】2015年5月15日
      網(wǎng)友詢(xún)問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1