一个全局优化的SAR图像分割模型可轻松转化为通用ROF去噪模型

本文提出了一种基于Aubert-Aujol（AA）去噪模型和变分水平集方法的新型局部统计活动轮廓模型（LACM），可用于强度不均匀的SAR图像分割。然后我们利用凸松弛技术将所提模型转化为全局优化模型。首先，我们应用Split Bregman技术将全局优化模型转化为收缩算子和拉普拉斯算子的两个交替优化过程，称为SB_LACM模型。此外，我们提出了两种快速模型来求解全局优化模型，其效率高于SB_LACM模型。第一种模型：我们添加近端函数将全局优化模型转化为通用ROF模型[29]，该模型可通过R.-Q.Jia和H.Zhao提出的快速去噪算法求解；[29]提交于2013年8月29日，我们的早期版本曾于2012年6月12日提交至TGRS，Venkatakrishnan等人[30]于2013年5月29日提出了他们的'pnp算法'，因此Venkatakrishnan和我们几乎同时提出了'pnp算法'。由此我们获得了一个不涉及偏微分方程或差分方程的全局优化快速分割算法，仅需简单差分计算。第二种模型：我们使用与第一种模型不同的分裂方法，将全局优化模型转化为一个可微项和一个通用ROF模型项，可采用与第一种模型相同的技术求解。使用一些具有挑战性的合成图像和Envisat SAR图像进行的实验表明，我们提出的模型相对于最先进模型具有优越性。