結(jié)合稀疏正則化和聚類(lèi)的圖像分割方法研究.pdf

1、圖像分割是計(jì)算機(jī)視覺(jué)和圖像分析領(lǐng)域中的熱點(diǎn)和難點(diǎn)，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(lèi)所需要的目標(biāo)，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(lái)，兩步分割方法憑借其結(jié)構(gòu)簡(jiǎn)單及性能優(yōu)越的特點(diǎn)受到學(xué)者的廣泛重視。兩步分割方法的基本思想是先對(duì)圖像進(jìn)行平滑，然后對(duì)平滑后的圖像進(jìn)行分割。
　　本學(xué)位論文提出一個(gè)兩步分割方法，第一步針對(duì)含有紋理、噪聲及模糊的圖像提出一個(gè)離散

2、平滑模型。這個(gè)模型是基于Cai等人在文獻(xiàn)【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(duì)TV(Relative Total Variation)正則項(xiàng)代替該平滑模型中的TV(Total Variation)正則項(xiàng)而得到的。因?yàn)橄鄬?duì)TV正則項(xiàng)對(duì)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(biāo)物體的邊緣。第二步采用K-means聚類(lèi)算法對(duì)平滑后的圖像進(jìn)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(lái)困難。為此，我們把相對(duì)TV正則項(xiàng)近似分解為兩個(gè)非線(xiàn)性項(xiàng)和一個(gè)二次項(xiàng)，把極小化問(wèn)題轉(zhuǎn)換成若干個(gè)線(xiàn)性系統(tǒng)，求解線(xiàn)性方程。這樣大大簡(jiǎn)化了原問(wèn)題的數(shù)值求解，使求解變得簡(jiǎn)單且可節(jié)省運(yùn)行時(shí)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(lèi)方法進(jìn)行實(shí)驗(yàn)比較，結(jié)果表明，本文算法對(duì)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(shí)驗(yàn)效果。最后對(duì)本文方法中涉及的