多相圖像分割的變分模型及其Split Bregman迭代算法.pdf

1、圖像分割是計算機(jī)視覺領(lǐng)域的重要組成部分，多相圖像分割的技術(shù)就是根據(jù)圖像自身的特征諸如強(qiáng)度、紋理、色彩以及光流場等信息將圖像劃分為一類子區(qū)域。由于圖像本身的復(fù)雜性以及多目標(biāo)識別的需要，兩相圖像分割已經(jīng)不能解決此類分割問題，因此，多相圖像分割應(yīng)該得到更深入地研究以及發(fā)展。目前基于水平集方法的多相圖像分割模型框架由于其能量泛函的局部極值問題和較低的計算效率制約著這類方法的應(yīng)用。本文針對此類問題對改進(jìn)模型及其快速算法進(jìn)行了深入的研究，主要包括如

2、下幾個方面：第一，系統(tǒng)地介紹了曲線演化理論、水平集方法、變分Chan-Vese模型的基本理論以及在圖像處理中的應(yīng)用。第二，詳細(xì)說明兩相圖像分割的全局凸優(yōu)化模型及其快速Split Bregman迭代算法的原理。其中，全局凸優(yōu)化方法是通過引入特征函數(shù)取代傳統(tǒng)模型中的水平集函數(shù)，并將其松弛到連續(xù)封閉區(qū)間實(shí)現(xiàn)的。Split Bregman算法通過引入輔助變量將變分問題轉(zhuǎn)化為簡單的Poisson方程和精確的軟閾值公式實(shí)現(xiàn)的。第三，針對平面圖像、三