多相图像分割的Split-Bregman方法及对偶方法

变分水平集方法为多相图像分割提供了统一框架,但其能量泛函的局部极值问题和较低的计算效率制约着该类方法的应用,文中针对此问题提出一种改进模型和方法.首先将两相图像分割的全局凸优化模型推广到多相图像分割,建立了多相图像分割的交替凸优化变分模型,以改善传统模型的局部极值问题;然后提出了相应的快速Split-Bregman方法和对偶方法来提高计算效率,其中Split-Bregman方法通过引入辅助变量将凸松弛后的变分问题转化为简单的Poisson方程和精确的软阈值公式,对偶方法则通过引入对偶变量将该问题转化为对偶变量的半隐式迭代计算和主变量的精确计算公式.文中的改进模型适用于任意多相图像分割,且对二维和三维图像分割具有相同形式,可用于三维图像的多对象自动形状恢复.最后通过多个数值算例验证了文中方法的计算效率优于传统的方法.

彩色纹理图像分解的VO模型及其Split Bregman方法

彩色纹理图像分解的处理模型和方法是近年来纹理图像处理研究的热点。为实现彩色纹理图像的分解,在介绍TV(total variation)模型及其Split Bregman方法的基础上,通过辅助变量和Bregman迭代参数,将Split Bregman方法引入到VO(Vese-Osher)模型中,提高了计算速度。通过数值实验比较了VO模型与TV模型在彩色纹理图像分解中的效果,验证了基于Split Bregman方法的VO模型的有效性和效率。

基于KFCM与改进CV模型的Split Bregman图像分割方法

针对基于梯度变化的水平集图像分割方法对噪声敏感、计算效率不高、分割结果依赖初始值等问题,提出了一种基于KFCM与改进CV模型的Split Bregman图像分割方法。该算法首先通过核模糊C均值的聚类方法确定出感兴趣区域作为分割初始值,然后采用Split Bregman方法来提高CV模型的迭代计算时间效率。实验结果表明,所提算法不仅保持了CV模型图像分割算法的优势,而且在抗噪性能和分割效率方面有明显效果。

隐式开曲面上图像噪声去除的变分模型及其Split Bregman算法

采用符号距离函数的零水平集与另一特征函数取值为1的点的交集表达隐式开曲面,借助于内蕴梯度、内蕴散度等概念,建立了开曲面上图像噪声去除的非线性扩散变分模型。通过引入辅助变量和Bregman迭代参数,设计了所提出模型的Split Bregman算法。最终求解所导出的简单梯度降方程和解析形式的近似广义软阈值公式,实现简单、计算效率高。最后通过多个数值算例对所提出的模型和算法的去噪效果进行了验证。

基于分裂Bregman方法的全变差图像去模糊

针对全变差图像去模糊问题,提出一种基于分裂Bregman方法的全变差图像去模糊算法,利用分裂Bregman方法来优化其求解问题模型.首先,利用辅助变量及其二次惩罚泛函把全变差去模糊优化问题转化为一个等价的无约束优化问题;其次,基于Bregman迭代将其分解为两个子优化问题采用交替最小化方法进行求解;最后,根据子问题结构特点,采用离散傅立叶变换及收缩技术实现子优化问题的快速计算.实验结果表明,在不同尺寸模糊核条件下本文算法能获得有效、稳定的图像复原结果,相比FTVd、IRN去模糊方法,本文算法复原效果更好,计算更加快速.

基于分裂Bregman算法的玉米种子品种识别(英文)

玉米品种的纯度和玉米产量密切相关,因此玉米品种的筛选对提高粮食产量具有非常重要的作用。基于机器视觉的自动品种筛选技术通常分为图像分割、特征获取和分类等三步。图像分割的精度直接决定了种子识别准确度。在众多的图像分割技术中,本研究尝试将图像分割变分模型及其对应的数值求解方法-分裂Bregman算法应用于玉米种子自动识别中。该方法具有精度高,分割边界封闭连续等有利于玉米特征提取的优点。此外,本文还将自适应小波配置法用于求解分裂Bregman算法中的最优条件,得到一种更为精确高效的分裂Bregman算法。进而结合改进分裂Bregman算法得到的不同玉米品种特征和支持向量机技术得到了一种新的玉米品种分类器。采用该方法对玉米品种农大108和鲁丹981进行实验,识别精度分别达到97.3%和98%,相对于由其他分割方法得到的分类结果精度(95%)要高。

图像去噪LOT模型的分裂Bregman方法

基于分裂Bregman方法具有较快的收敛速度以及在迭代过程中保持正则化参数为一个常数的优点,提出用分裂Bregman方法来解图像去噪LOT模型的第2步.实验表明,与原始的梯度下降法相比较,该算法具有较快的收敛速度,又能较好地复原图像.

基于Wasserstein距离和分裂Bregman方法的图像分割算法

针对基于C-V模型的活动轮廓分割算法无法应用于灰度非均匀图像分割的问题。采用Wasserstein距离作为区域直方图相似性测度,提出基于该测度的非参数活动轮廓分割模型。在模型求解时引入全局凸分割和分裂Bregman方法,减少了计算量。大量实验结果表明该模型不依赖初始轮廓曲线的位置,能够对灰度非均匀图像进行较准确的分割,具有较快的运算速度。

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.

基于数据挖掘的人力资源数据缺失值填补方法

现有人力资源数据缺失值填补方法均方根误差大、填补命中率低等问题。提出一种基于数据挖掘的人力资源数据缺失值填补方法。采用分裂Bregman迭代算法消除人力资源数据中存在的噪声,根据人力资源数据的时间序列特征,挖掘数据中存在的隐藏变量。根据特征对缺失值进行检测。通过FCMSI算法根据缺失值检测结果对缺失值进行填补,采用平均比率法首次填充人力资源数据,通过模糊C均值聚类算法对填充后的数据进行聚类处理,其次在协同过滤思想的基础上进一步对人力资源数据的缺失值进行填补。实验结果表明,所提方法的均方根误差小、填补命中率高。

基于分裂Bregman方法的加权频差电阻抗成像算法

加权频差阻尼最小二乘算法引入正则化方法,对病态的敏感矩阵进行修正,克服了背景对成像结果的影响,在背景阻抗不随频率变化时能够反映异物的位置,但当背景的阻抗随着频率的变化而变化时,背景区域的伪影较多,掩盖了异物区域。由于加权频差中,重建两种频率下的阻抗差值具有稀疏性,针对这一特性,引入L1-范数进行约束并采用分裂Bregman方法对其进行优化求解,改善了这一问题。实验结果表明,优化后的加权频差算法能够减少成像中存在的伪影并能进一步提高成像质量。因此,改进的加权频差算法是一种有效的准静态电阻抗成像算法。

分数阶整体变分泊松去噪模型的分裂Bregman方法

整体变分正则化模型在去噪时能较好的保边,但是不能很好地保持纹理细节和图像对比度,且去噪后图像在平坦区域会出现阶梯效应。为此,提出了一种新的分数阶整体变分(Fractional-order Total Variation,FOTV)泊松去噪模型,以及分裂Bregman方法求解。通过与求解整体变分泊松去噪模型的分裂Bregman方法比较,数值实验表明,所提出的模型进行泊松去噪时视觉效果较好,且去噪图像具有较高峰值信噪比。

基于分割Bregman方法的非负稀疏图构建算法

在基于图的机器学习算法中,构造一个能较好反映数据内在结构信息的图尤为重要.文中提出一种基于分割Bregman方法的非负稀疏图构建算法.该算法通过使用分割Bregman方法求解稀疏表示优化问题的一个等价形式,以此得到一个能将每个数据样本表示成其他样本的非负线性组合的图的边权矩阵.算法构建的稀疏图能较好描述数据之间存在的线性关系.在半监督学习的框架下进行测试的实验表明,文中算法能较好反映数据内部潜在的结构信息.

三分块凸优化问题的改进Peaceman-Rachford分裂法

对于带有线性约束的三块可分凸优化问题,给出了带有Bregman距离的Peaceman-Rachford(PR)分裂法的迭代形式,并对其进行改进。然后在变分不等式的框架下研究该算法的全局收敛性,并给出了在遍历意义下O(1/t)的最坏收敛速率。

基于色彩空间变换的彩色图像分割方法

彩色图像是当今数字图像的主要表现形式之一,彩色图像分割是图像处理的热点与难点问题之一。针对彩色图像分割的精度与速度问题,提出了一种基于色彩空间变换的彩色图像分割方法。该色彩空间重在突出图像三分量间的差异,从而充分利用彩色信息。同时,分割方法以向量化图像为对象,从背景去除的思想出发,采用分裂Bregman快速求解算法,从而达到高效分割的目的。数值实验表明,该方法能有效分割出图像的所有目标区域,分割区域较为完整,结果具有较高的精度。

基于局部特征的自适应快速图像分割模型

基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性;另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler(KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.

局部熵驱动的生物医学图像分割偏移场恢复耦合模型

为降低噪声影响同时恢复图像偏移场,提出一种基于局部熵信息的分割与偏移场恢复耦合模型.该模型在水平集理论的整体框架下将局部熵引入耦合模型,进而将其改造成全局凸函数,并利用Split-Bregman方法求得全局最优解.实验结果表明,文中模型可以准确、快速地分割灰度不均匀图像,同时可较好地恢复出图像的偏移场信息,对初始曲线和参数也具有较好的鲁棒性.

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题。基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法。在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像。实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊。

基于Gmac模型的乳腺肿块分割算法

在乳腺CAD系统中,乳腺肿块分割是一个重要的先前步骤,分割结果的好坏直接影响到肿块的分类和检测.本文将Gmac模型应用到乳腺肿块分割上,并提出了求解Gmac模型的两种改进方法:改进的变分水平集法、改进的splitbregman方法.实验选取了483幅医学乳腺肿块图片进行分割,得到了两种改进方法的CM均值分别为64%和76%;AMED均值分别为4.4750和1.4602.结果表明:改进的split bregman方法对乳腺肿块进行了更有效的分割.实验也利用经典的ACWE模型和GAC模型对上述乳腺肿块图片进行了分割实验,与基于改进split bregman方法的Gmac模型相比,结果表明:Gmac模型具有更好的分割性能.

各向异性全变分引导滤波及其Split Bregman方法

引导滤波(GF)去噪的关键是选取一幅包含清晰结构信息的引导图像。为提高GF的去噪效果,提出一种由各向异性全变分(ATV)引导的滤波方法。首先利用ATV模型对噪声图像进行光滑处理,生成包含良好结构信息的引导图像,然后利用GF进行处理。为提高算法的稳健性,对上述过程进行迭代处理。由于计算全变分模型的传统迭代方法速度较慢,因此采用Split Bregman迭代方法进行加速处理。实验结果表明:该算法不仅在峰值信噪比、归一化均方误差和结构相似性等客观指标上具有优势,而且计算速度比传统迭代方法提高了约30倍。该算法可以较好地快速去除噪声,并能较好地保持图像中的结构和边缘特征等细节信息。