結(jié)合稀疏正則化和聚類的圖像分割方法研究.pdf

1、圖像分割是計算機視覺和圖像分析領(lǐng)域中的熱點和難點，圖像分割的目的就是將圖像分成互不交疊而又各具特性（紋理、灰度、色彩等）的子區(qū)域，即提取出人類所需要的目標，為后續(xù)圖像分析提供服務(wù)。圖像的分割方法是豐富多樣的，近年來，兩步分割方法憑借其結(jié)構(gòu)簡單及性能優(yōu)越的特點受到學者的廣泛重視。兩步分割方法的基本思想是先對圖像進行平滑，然后對平滑后的圖像進行分割。
　　本學位論文提出一個兩步分割方法，第一步針對含有紋理、噪聲及模糊的圖像提出一個離散

2、平滑模型。這個模型是基于Cai等人在文獻【SIAM J.Imaging Sciences,2013，6(1):368-390】中提出的凸的連續(xù)平滑模型，用相對TV(Relative Total Variation)正則項代替該平滑模型中的TV(Total Variation)正則項而得到的。因為相對TV正則項對圖像中的紋理和噪聲有較好的平滑效果，可以很好地突出圖像中目標物體的邊緣。第二步采用K-means聚類算法對平滑后的圖像進行分割。

3、
　　本文提出的平滑模型是非凸的，這給數(shù)值求解帶來困難。為此，我們把相對TV正則項近似分解為兩個非線性項和一個二次項，把極小化問題轉(zhuǎn)換成若干個線性系統(tǒng)，求解線性方程。這樣大大簡化了原問題的數(shù)值求解，使求解變得簡單且可節(jié)省運行時間，一般只需要迭代四、五次就可以得到想要的結(jié)果。然后將本文兩步分割方法與其他同類方法進行實驗比較，結(jié)果表明，本文算法對多相紋理圖像、結(jié)構(gòu)紋理圖像、模糊圖像和噪聲圖像取得了更好的實驗效果。最后對本文方法中涉及的