基于加权总广义变差的Mumford-Shah模型
给出了加权总广义变差(Total generalized variation,TGV)的定义.利用图像的2阶加权TGV半范作为正则项,利用水平集函数的2阶加权TGV半范近似边界长度,提出了基于加权TGV的Mumford-Shah模型.对未知函数分别利用交替Split-Bregman方法、Fenchel对偶方法及FISTA (Fast iterative shrinkage-thresholding algorithm)给出数值计算模型.仿真实验结果表明,利用图像的2阶加权TGV半范的去噪效果优于常用的梯度模2范数和加权TV (Total variation)半范正则化;利用水平集函数的2阶加权TGV半范近似边界长度的边缘检测效果优于传统的TV半范和加权TV半范约束.
Mumford-Shah模型、去噪、边缘检测、水平集方法、加权总广义变差
38
国家自然科学基金60872138,61271294,61105011,11101292
2013-01-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
1913-1922