用于基底图像分割的带泊松噪声和乘积噪声下的 ICTM-RMSAV 框架

图像分割是图像处理中的核心任务，但许多方法在图像严重受噪声污染且呈现强度不均时会性能力下降。在迭代卷积阈值方法（ICTM）框架内，我们提出一种集成去噪项的变分分割模型。具体而言，去噪组件包括I发散项和自适应总变差（TV）正则化器，使该模型适用于受Gamma分布乘积噪声和泊松噪声污染的图像。派生自灰度水平指示器的空间自适应权重可在强度不同区域下引导扩散。为进一步解决强度不均问题，我们估计平滑变化的基底场，从而提高分割精度。区域由特征函数表示，轮廓长度随之编码。为实现高效优化，我们将ICTM与放松修改型标量辅助变量（RMSAV）方案耦合。广泛的实验在具有强度不均和多种噪声类型的合成和真实图像上表明，所提模型在准确性和鲁棒性方面优于对手方法。