噪声图像分割的全局凸优化变分模型

基于二值标记函数及图像噪声分布模型建立了两相图像分割的全局凸优化变分模型。其能量泛函的数据项基于通用的概率分布函数,分割轮廓线的长度用标记函数的总变差近似。在交替优化过程中,当区域参数估计出后,采用凸松弛和阈值化技术计算标记函数实现全局优化,并设计了该全局凸优化模型的快速Split Bregman算法。作为实例,本文实现了基于高斯分布、瑞利分布、泊松分布及伽马分布模型的两相图像分割。

多相Chan-Vese模型的直接对偶方法

多相图像分割的变分模型采用水平集函数定义不同区域的特征函数,其极值问题需要迭代求解一系列动态演化方程,计算效率低。较快的方法是对离散的二值标记函数凸松弛后设计对偶方法或Split Bregman方法,并结合阈值化技术得到分割结果。提出一种无需凸松弛和阈值化的快速分割方法—直接对偶方法(DDM)。DDM利用二值标记函数的二值特性,并根据KKT条件得到原变量的二值解析解和对偶变量的简单迭代格式。该方法首先应用到两相Chan-Vese模型,然后拓展到多相Chan-Vese模型。实验结果表明,DDM比梯度降方法、对偶方法和Split Bregman方法分割效果好、计算效率高。