基于混合全变分模型与K-means聚类策略的图像分割
最优化与控制
2016-05-31 v1 计算机视觉与模式识别
摘要
图像分割的性能高度依赖于原始输入图像。当图像被某些噪声或模糊污染时，我们使用直接分割方法无法获得高效的分割结果。为了高效分割被污染的图像，本文提出了一种基于带盒约束的混合全变分模型和K-means聚类方法的两步法。第一步中，混合模型基于全变分泛函与高阶全变分作为正则项的加权凸组合，以获得原始聚类数据。为了处理非光滑正则项，我们采用交替分裂Bregman方法求解该模型。然后，在第二步中，可通过将该聚类数据阈值化到不同相位来获得分割结果，其中阈值可使用K-means聚类方法给出。数值比较表明，我们所提模型在处理噪声图像和模糊图像时能提供更高效的分割结果。
引用
@article{arxiv.1605.09116,
title = {Image segmentation based on the hybrid total variation model and the K-means clustering strategy},
author = {Baoli Shi and Zhi-Feng Pang and Jing Xu},
journal= {arXiv preprint arXiv:1605.09116},
year = {2016}
}