用于松弛 Mumford-Shah 彩色与多相图像分割的各向异性与各向同性全变分加权差分
计算机视觉与模式识别
2021-07-20 v6
摘要
在一类分段常数图像分割模型中，我们提出引入各向异性与各向同性全变分（AITV）的加权差分来正则化图像中的分割边界。具体而言，我们将 Chan-Vese 分割模型和模糊区域竞争模型中的全变分正则化替换为所提出的 AITV。为处理 AITV 的非凸性质，我们应用了凸差算法（DCA），其中子问题可通过带线搜索的原始-对偶混合梯度法最小化。分析了 DCA 格式的收敛性。此外，讨论了向彩色图像分割的推广。在数值实验中，我们在多幅图像上将所提模型与经典凸方法和两阶段分割方法（先平滑后阈值化）进行比较，表明我们的模型在图像分割中有效且对脉冲噪声具有鲁棒性。
引用
@article{arxiv.2005.04401,
title = {A Weighted Difference of Anisotropic and Isotropic Total Variation for Relaxed Mumford-Shah Color and Multiphase Image Segmentation},
author = {Kevin Bui and Fredrick Park and Yifei Lou and Jack Xin},
journal= {arXiv preprint arXiv:2005.04401},
year = {2021}
}
备注
latest version has typos fixed; Clean, official version will be on SIAM Journal on Imaging Sciences