[发明专利]基于高阶全变分和热核卷积的自适应加权图像分割方法

权利要求书

1.一种基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，该方法包括：

获取待分割图像；

将待分割图像输入图像分割模型，所述图像分割模型为:

其中，Ω是有界开连通集；τ为尺度参数；*表示卷积；u为分割后的图像；f为待分割图像；x为像素点；λ为正参数；c₁,c₂∈R，c₁为两相分割时分割边界内部像素的平均值；c₂为两相分割时分割边界外部像素的平均值；α(f)为一阶正则项的自适应权重；β(f)为二阶正则项的自适应权重；G_τ为高斯函数；

对图像分割模型及进行求解，得到分割后的图像。

2.根据权利要求1所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，一阶正则项的自适应权重和二阶正则项的自适应权重的计算过程为：

其中，f为待分割图像；α(f)为一阶正则项的自适应权重；β(f)为二阶正则项的自适应权重。

3.根据权利要求1所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，高斯函数为：

其中，G_τ为高斯函数；τ为尺度参数；x为像素点。

4.根据权利要求1所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，通过交替方向乘子法，迭代求解图像分割模型，满足迭代终止标准，输出分割后的图像。

5.根据权利要求4所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，交替方向乘子法中，采用增广拉格朗日方法将图像分割模型转化为鞍点问题：

其中，为增广拉格朗日函数；u为分割后的图像；η为对偶变量；r为罚参数。

6.根据权利要求5所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，通过一阶线性化方法求解u。

7.根据权利要求5所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，通过压缩阈值方法求解z。

8.根据权利要求5所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，通过梯度上升法求解对偶变量η。

9.根据权利要求4所述的基于高阶全变分和热核卷积的自适应加权图像分割方法，其特征在于，交替方向乘子法中，迭代终止标准为：

其中，ε为停止阈值；k为第k次迭代。