錯(cuò)覺輪廓圖像的分割模型及其快速算法.pdf

1、錯(cuò)覺輪廓捕捉是一種從單一的二維圖像中獲取三維深度信息以重建圖像中邊緣缺失或模糊的區(qū)域形狀，得到不同區(qū)域間的次序關(guān)系的挑戰(zhàn)性問題。利用深度信息進(jìn)行圖像分割的建?？梢暈閷?duì)Nitzberg-Mumford-Shiota(NMS)泛函求其極小化的問題。其可通過變分水平集方法轉(zhuǎn)化為易于計(jì)算的形式。然而，這也將導(dǎo)致一系列難以解決的具有復(fù)雜高階項(xiàng)的偏微分方程。在本文中，首先我們利用以符號(hào)距離函數(shù)作為水平集函數(shù)的特性提出了一個(gè)深度分割變分模型的等價(jià)簡(jiǎn)化

2、形式。然后通過引入輔助變量、拉格朗日乘子，并采用交替優(yōu)化策略設(shè)計(jì)了一個(gè)交替方向乘子方法來求解該簡(jiǎn)化模型。根據(jù)我們提出的方法，簡(jiǎn)化模型的極小化問題可轉(zhuǎn)化為一系列子問題?？煞謩e通過高斯賽德爾迭代，快速傅里葉變換和廣義軟閾值公式解決。在計(jì)算過程中，水平集函數(shù)可通過簡(jiǎn)單的代數(shù)投影方法來保持其符號(hào)距離函數(shù)的特性，該方法可避免在傳統(tǒng)方法中出現(xiàn)的水平集初始化過程。在合成圖和真實(shí)圖上的多組實(shí)驗(yàn)驗(yàn)證了本文提出的簡(jiǎn)化模型的效果并且通過與傳統(tǒng)的梯度下降方法在