全变分流边与M^(2)GGD相结合的自然图像分割方法

提出了一种全变分流边与M^(2)GGD概率密度分布相结合的自然图像分割方法。由于自然图像经常受噪声的污染,导致分割的区域结果视觉效果差,而区域间的边界具有较好的非同质区域区分能力,于是提出了利用全变分流来提取边界,并结合M^(2)GGD概率密度分布构建具有空间约束能力更强的图像分割方法。由于其能量最小化是NP难问题,通过设计最大期望最大似迭代优化方法,将待优化模型的区域项和边缘项,分别转化为多层图割模型的t-link以及n-link,并利用最大流/最小割算法,可求得全局近似最优解。最终,通过在合成的噪声污染图像以及自然场景图像上进行实验对比与分析,实验验证了提出的方法具有较好的抗噪能力,较高的量化准确率,且最终分割的结果接近于地面真实分割结果。