各向异性与各向同性TV之差在模糊与泊松噪声下分割中的应用
计算机视觉与模式识别
2023-06-21 v4
摘要
本文旨在分割一幅被模糊与泊松噪声退化的图像。我们采用平滑-阈值化（SaT）分割框架，先求得分段光滑解，随后用 -means 聚类分割图像。具体到图像平滑步骤，我们将 Mumford-Shah 模型中针对高斯噪声的最小二乘保真项替换为最大后验（MAP）项以处理泊松噪声，并引入各向异性与各向同性全变分（AITV）的加权差作为正则化以促使图像梯度稀疏。针对此类非凸模型，我们设计了特定分裂格式并利用近端算子施加交替方向乘子法（ADMM）。提供了收敛性分析以验证 ADMM 格式的有效性。在多种分割场景（灰度/彩色及多相）上的数值实验表明，我们所提方法优于包括原始 SaT 在内的若干分割方法。
引用
@article{arxiv.2301.03393,
title = {Difference of Anisotropic and Isotropic TV for Segmentation under Blur and Poisson Noise},
author = {Kevin Bui and Yifei Lou and Fredrick Park and Jack Xin},
journal= {arXiv preprint arXiv:2301.03393},
year = {2023}
}
备注
Accepted to Frontiers in Computer Science: https://www.frontiersin.org/articles/10.3389/fcomp.2023.1131317/abstract; Arxiv version has clearer images best for zooming in