×
吴婷婷;赵伊晨;毛志辉;史、李;李，志;曾永华

通过Fischer-Burmeister全变分和阈值分割图像。 （英语） Zbl 1499.94015号

高级应用程序。数学。机械。 14，第4号，960-988（2022）.
摘要：图像分割是图像处理中的一个重要问题。本文提出了一种新的基于Fischer-Burmeister全变分（FBTV）的两阶段分割方案。我们的方法的第一步是从FBTV Mumford-Shah模型计算平滑解。此外，我们还设计了一种新的凸差分算法（DCA），该算法采用半最近交替方向乘法器迭代法（sPADMM）。在第二阶段，我们利用平滑解和K-means方法来获得分割结果。为了更准确地模拟图像，引入了一个有用的算子，使得该模型不仅能很好地分割出有噪声或模糊的图像，而且能很好的分割出缺少像素的图像。实验表明，与一些最新的方法相比，该方法产生了更好的结果，尤其是在缺少像素的图像上。

引用于1文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
65K10像素 数值优化和变分技术
68单位10 图像处理的计算方法

关键词：

图像分割;Fischer-Burmeister总变差;凸算法的差异;斯帕德姆;K均值法

软件：

RecPF公司;陶片;AS 136标准;PASCAL挥发性有机化合物
PDF格式BibTeX公司 XML格式引用
\textit｛T.Wu｝等人，高级应用。数学。机械。14，第4号，960--988（2022；Zbl 1499.94015）
全文： 内政部

参考文献：

[1] Q.GE，L.XIAO，AND Z.H.WEI，同步MR图像分割和去噪的主动轮廓模型，数字信号处理。，23（4）（2013），第1186-1196页。
[2] P.RUIZ、N.P.DE LA BLANCA、R.MOLINA和A.K.KATSAGGELOS，贝叶斯分类和使用lp-priors的主动学习。图像分割应用，见：2014年第22届欧洲信号处理会议（EUSIPCO），IEEE（2014），第1183-1187页。
[3] 刘毅，何春华，吴永元，基于核度量的含噪图像分割变分模型，数字信号处理。，78（2018），第42-55页。
[4] F.FUENTES-HURTADO、V.NARANJO、J.A.DIEGO-MAS和M.ALCANIZ，《远距离可见波长图像上精确虹膜分割的混合方法》，Eurasip J.Im-age视频处理。，1 (2019), 75.
[5] 吴振康，基于鲁棒熵的对称正则图像模糊聚类图像分割，数字信号处理。，(2020), 102905.
[6] J.WANG、Z.XU、Z.PAN、W.WEI和G.WANG，多相位图像分割中无冗余参数估计的vese-chan模型，Eurasip J.图像视频处理。，1（2020），第1-17页。
[7] S.LUO，X.-C.TAI，AND Y.WANG，图像分割的二值标签凸形状表示：模型和快速算法，（2020），arXiv:2002.09600。
[8] D.MUMFORD和J.SHAH，分段光滑函数和相关变分问题的最佳逼近，Commun。纯应用程序。数学。，42（5）（1989），第577-685页·Zbl 0691.49036号
[9] A.CHAMBOLLE，《mumford-shah泛函的有限差分离散化》，ESAIM:数学。模型。数字。分析。，33（2）（1999），第261-288页·Zbl 0947.65076号
[10] T.F.CHAN和L.A.VESE，图像处理中最小化mumford-shah函数的水平集算法，摘自：IEEE计算机视觉中变分和水平集方法研讨会论文集，IEEE（2001），第161-168页。
[11] S.ESEDOG和Y.-H.R.TSAI等人，分段常数Mum-ford-Shah泛函的阈值动力学，J.Compute。物理。，211（1）（2006），第367-384页·Zbl 1086.65522号
[12] M.STORATH和A.WEINMANN，向量值图像的快速分割，SIAM J.Imag。科学。，7（3）（2014），第1826-1852页·Zbl 1308.94023号
[13] C.LIU、M.K.-P.NG和T.ZENG，选择性图像分割的加权变分模型及其在医学图像中的应用，模式识别，76（2018），第367-379页。
[14] G.AUBERT、L.BLANC-FERAUD和R.March，通过一系列离散保边泛函对Mumford-Shah能量的近似，非线性分析。理论方法应用。，64（9）（2006），第1908-1930页·Zbl 1100.49013号
[15] M.GENCTAV和S.TARI，多参数Mumford-Shah分割，Res.形状分析。，（2018），第133-141页·Zbl 1421.94007号
[16] 李毅，吴志伟，段义英，TV-p正则化Mumford-Shah模型用于图像标记和分割，IEEE Trans。图像处理。，29（2020年），第7061-7075页·Zbl 07586383号
[17] M.MORINI和M.NEGRI，Mumford-shah泛函作为离散perona-malik energies的γ极限，数学。模型方法应用。科学。，13（6）（2003），第785-805页·Zbl 1045.49022号
[18] T.F.CHAN和L.A.VESE，无边活动轮廓，IEEE Trans。图像处理。，10（2）（2001），第266-277页·Zbl 1039.68779号
[19] 王浩，黄振中，刘振中，局部区域变化模型的一种有效算子分裂方法，Eurasip J.Adv.Signal Process。，2013（2013），第1-12页。
[20] E.BAE、X.-C.TAI和Z.WEI，基于欧拉弹性的分段模型的增广拉格朗日方法，促进凸轮廓，美国数学科学研究所，11（1）（2017），第1-23页·Zbl 1416.94013号
[21] X.CAI、R.CHAN和T.ZENG，一种使用芒福德-沙赫模型的凸变量和阈值的两阶段图像分割方法，SIAM J.Imag。科学。，6（1）（2013），第368-390页·Zbl 1283.52011年
[22] H.LEVINE，偏微分方程，美国数学学会，1997年·Zbl 0902.35001号
[23] R.CHAN、H.YANG和T.ZENG，一种针对泊松噪声或乘性伽马噪声模糊图像的两阶段图像分割方法，SIAM J.Imag。科学。，7（1）（2014），第98-127页·兹比尔1297.65066
[24] Y.DUAN，W.HUANG，J.ZHOU，H.CHANG，AND T.ZENG，使用欧拉弹性正则化mumford-shah模型的两阶段图像分割方法，载于：第22届国际模式识别会议，IEEE，2014，第118-123页。
[25] ZH.ZHI，Y.SUN，AND Z.-F.PANG，基于非精确交替方向法的两阶段图像分割方案，Numer。数学。理论方法应用。，9（3）（2016），第451-469页·Zbl 1389.68172号
[26] Q.MA，J.PENG，AND D.KONG，基于平均曲率正则化Mumford-Shah模型和阈值的图像分割，神经过程。莱特。，48（2）（2018），第1227-1241页。
[27] R.CHAN，H.YANG，AND T.ZENG，强度不均匀的全变分和紧框图像分割，（2019），arXiv预印本arXiv:1904.01760。
[28] Z.LI，AND T.ZENG，多通道图像的两阶段图像分割模型，Commun。计算。物理。，19（4）（2016），第904-926页·Zbl 1373.94246号
[29] 吴涛，邵建雄，顾晓霞，吴敏康，曾涛，基于非凸l 2−l p近似和阈值的二阶段图像分割，应用。数学。计算。，403 (2021), 126168. ·Zbl 1510.94030号
[30] X.YANG，AND Y.HUANG，图像视网膜中SPSD线性互补问题的模迭代方法，Adv.Appl。数学。机械。，12（2020年），第579-598页·Zbl 1488.65147号
[31] 吴涛，顾晓霞，王毅，曾涛，基于自适应全变分的半近邻交替最小化图像分割，信号处理。，183 (2021), 108017.
[32] 吴涛，顾晓霞，邵建军，周汝，李振中，基于凸K均值方法的彩色图像分割，IET图像处理。，2021
[33] Y.LOU、T.ZENG、S.OSHER和J.XIN，图像处理各向异性和各向同性总变分模型的加权差分，SIAM J.Imag。科学。，8（3）（2015），第1798-1823页·Zbl 1322.94019号
[34] 韩德华，孙德华，张丽萍，凸组合规划交替方向乘数法的线性速度收敛性，数学。《运营研究》，43（2）（2018），第622-637页·Zbl 1440.90047号
[35] T.WU，Z.PANG，Y.WANG和Y.YANG，基于约束TGV剪切方案的CS-MRI重建，国际数字杂志。分析。型号。，17（3）（2020年），第316-331页·Zbl 1471.92193号
[36] M.WANG、C.HUANG、C.ZENG和C.LAI，《两阶段图像修复：结合边缘拟合和PDE修复》，高级应用。数学。机械。，4（2012年），第769-779页。
[37] Y.LOU、P.YIN和J.XIN，基于非凸L1方法的点源超分辨率，科学杂志。计算。，68（3）（2016），第1082-1100页·Zbl 1354.65125号
[38] T.-H.MA、Y.LOU和T.-Z.HUANG，稀疏恢复和秩最小化的截断l 1−2模型，SIAM J.Imag。科学。，10（3）（2017），第1346-1380页·Zbl 1397.94021号
[39] H.GE、J.WEN和W.CHEN，截断l 1−2最小化的零空间性质，IEEE信号处理。莱特。，25（8）（2018），第1261-1265页。
[40] Y.LOU，P.YIN，Q.HE，AND J.XIN，基于l1和l2的差异计算高相干字典中的稀疏表示，J.Sci。计算。，64（1）（2015），第178-196页·兹比尔1327.65111
[41] P.D.TAO ET AL.，用实际非凸优化问题的dc模型重温dc（凸函数的差异）编程和dca，《操作研究年鉴》，133（1-4）（2005），第23-46页·兹伯利1116.90122
[42] L.I.RUDIN、S.OSHER和E.FATEMI，基于非线性总变差的噪声去除算法，物理。D非线性现象，60（1-4）（1992），第259-268页·Zbl 0780.49028号
[43] R.CHOKSI、Y.VAN GENNIP和A.OBERMAN，《各向异性总变差正则化l 1-近似和二维条码的去噪/去模糊》，（2010），arXiv:1007.1035·Zbl 1226.49034号
[44] A.FISCHER，一种特殊的牛顿型优化方法，《优化》，24（3-4）（1992），第269-284页·Zbl 0814.65063号
[45] R.B.POTTS，《一些广义序-序变换》，载于：《剑桥哲学学会数学论文集》，剑桥大学出版社，48（1952），第106-109页·Zbl 0048.45601号
[46] D.MUMFORD和J.SHAH，通过最小化泛函进行边界检测，收录于：IEEE计算机视觉和模式识别会议，旧金山，17（1985），第137-154页。
[47] E.J.CANDES、J.K.ROMBERG和T.TAO，从不完整和不精确的测量中恢复稳定信号，《纯数学和应用数学通讯：Courant数学科学研究所发行的期刊》，59（8）（2006），第1207-1223页·邮编1098.94009
[48] E.J.CANDES和T.TAO，线性编程解码，IEEE信息理论汇刊，51（12）（2005），第4203-4215页·Zbl 1264.94121号
[49] 许忠，张旭，徐凤，张海平，L 1/2正则化：阈值表示理论与快速求解器，IEEE神经网络与学习系统学报，23（7）（2012），第1013-1027页。
[50] S.ZHANG，AND J.XIN，变换后L1惩罚的最小化：闭式表示和迭代阈值算法，（2014），arXiv预印本arXiv:1412.5240。
[51] 张涛，稀疏正则化学习的多级凸松弛，高级神经信息处理系统，（2009），第1929-1936页。
[52] P.YIN、Y.LOU、Q.HE和J.XIN，压缩传感的1−2最小化，SIAM J.Sci。计算。，37（1）（2015），第A536-A563页·Zbl 1316.90037号
[53] 王毅，杨建阳，尹文英，张毅，全变分图像重建的一种新的交替最小化算法，SIAM J.Imag。科学。，1（3）（2008），第248-272页·Zbl 1187.68665号
[54] WU，AND X.-C.TAI，增广拉格朗日方法，对偶方法，以及rof、矢量电视和高阶模型的分裂bregman迭代，SIAM J.Imag。科学。，3（3）（2010年），第300-339页·Zbl 1206.90245号
[55] M.A.FIGUEIREDO和J.M.BIOUCAS-DIAS，使用改变方向优化的中毒图像恢复，IEEE Trans。图像处理。，19（12）（2010），第3133-3145页·Zbl 1371.94128号
[56] X.GUO，Y.LI和T.ZENG，caputo-fabrizio分数阶微分方程的有限差分格式，国际数值杂志。分析。型号。，17（2）（2020），第195-211页·Zbl 07244841号
[57] K.ALSABTI、S.RANKA和V.SINGH，高效的K-均值聚类算法，1997年。
[58] J.A.HARTIGAN和M.A.WONG，《算法作为136:k均值聚类算法》，英国皇家统计学会C辑，（应用统计学）28（1）（1979年），第100-108页·Zbl 0447.62062号
[59] A.LIKAS、N.VLASSIS和J.J.VERBEEK，《全局k均值聚类算法》，模式识别，36（2）（2003），第451-461页。
[60] T.KANUNGO、D.M.MOUNT、N.S.NETANYAHU、C.D.PIATKO、R.SILVERMAN和A.Y.WU，一种高效的k-means聚类算法：分析与实现，IEEE Trans。模式分析。机器智能，7（2002），第881-892页。
[61] J.C.BEZDEK，R.EHRLICH，AND W.FULL，Fcm：模糊C-均值聚类算法，计算。地质科学。，10（2-3）（1984），第191-203页。
[62] 王伟，张义勇，李义勇，张晓霞，全局模糊c-均值聚类算法，收录于：2006年第六届世界智能控制与自动化大会，IEEE，1（2006），第3604-3607页。
[63] 李凤，秦安杰，鲁棒模糊局部信息和基于lp范数距离的图像分割方法，IET Imag。工艺。，11（4）（2017），第217-226页。
[64] ANTONIN CHAMBOLLE，全变差最小化算法及其应用，J.Math。图像。《愿景》，20（1-2）（2004），第89-97页·Zbl 1366.94048号
[65] JEAN-BAPTISTE HIRIART-URUTY AND CLAUDE LEMARECHAL，凸分析和最小化算法I：基础，Springer Sci。商业媒体，（2013），305。
[66] F.LI，M.K.NG，T.Y.ZENG，AND C.SHEN，基于模糊区域竞争的多相位图像分割方法，SIAM J.Imag。科学。，3（3）（2010年），第277-299页·Zbl 1200.68267号
[67] J.LIU，X.-C.TAI，S.LEUNG，AND H.HUANG，一种使用超水平集函数进行多相位图像分割的新连续最大流算法，J.Visual Commun。图像。转述，25（6）（2014），第1472-1488页。
[68] D.WANG、H.LI、X.WEI和X.-P.WANG，一种有效的图像分割迭代阈值法，J.Compute。物理。，350（2017年），第657-667页·Zbl 1380.65048号
[69] X.CAI，R.CHAN，C.-B.SCHONLIEB，G.STEIDL，AND T.ZENG，分段常数mumford-shah模型和matemi模型之间的联系及其在图像分割中的优点，SIAM J.Sci。计算。，41（6）（2019），第B1310-B1340页·兹比尔1454.94012
[70] P.DAMAYANTI、D.YUNIASRI、R.SARNO、A.FAJAR和D.RAHMAWATI，基于水平集方法的脑MRI图像胼胝体分割，2020年信息与通信技术应用国际研讨会，（iSemantic）（2020年），第155-160页。
[71] G.GU、S.JIANG和J.YANG，脉冲噪声图像去模糊的tvscad方法，反问题，33（12）（2017），125008·Zbl 1394.94011号
[72] 吴涛，邵建杰，基于TGpV正则化和阈值化的非凸和凸耦合图像分割，高级应用。数学。机械。，12（2020年），第849-878页·Zbl 1488.94042号
[73] F.FANG、F.LI和T.ZENG，《减少自然图像中空间变化的离焦模糊》，《反问题图像》。，11 (1) (2017), 65. ·Zbl 1416.94015号
[74] M.K.NG，X.YUAN，AND W.ZHANG，具有缺失像素的模糊卡通加纹理图像的耦合变分图像分解和恢复模型，IEEE Trans。图像处理。，22（6）（2013），第2233-2246页·Zbl 1373.94301号
[75] Z.JIA、M.K.NG和G.-J.SONG，鲁棒四元数矩阵补全及其在图像修复中的应用，数字。线性代数应用。，26（4）（2019），e2245·兹比尔1474.65126
[76] S.NOWOZIN，《概率模型的最优决策：交叉-重叠案例》，载于《IEEE计算机视觉和模式识别会议论文集》（2014），第548-555页。
[77] M.EVERINGHAM、S.A.ESLAMI、L.VAN GOOL、C.K.WILLIAMS、J.WINN和A.ZIS-SERMAN，《pascal视觉对象类挑战：回顾》，国际计算机杂志。《愿景》，111（1）（2015），第98-136页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。