《深度低秩的結構-紋理圖像分割模型和算法研究》是依託深圳大學，由徐晨擔任項目負責人的面上項目。
基本介紹
- 中文名：深度低秩的結構-紋理圖像分割模型和算法研究
- 項目類別：面上項目
- 項目負責人：徐晨
- 依託單位：深圳大學
項目摘要,結題摘要,
項目摘要
本項目屬於計算機與數學的交叉研究項目。項目擬在區域競爭框架下，對結構和紋理並存的圖像(結構-紋理圖像)，採用模糊和圖像分解的方法，建立新的圖像分割模型和算法，目的是獲取圖像各個區域更清晰的邊緣以及提高分割的效率。主要創新點：1.傳統的模糊分割方法雖有利於估計圖像區域，但不利於估計確定性邊緣。本項目擬採用非凸正則項和Sobolev空間的梯度泛函保持和增強分割的邊緣幾何結構；2.將圖像結構-紋理分解方法耦合到圖像分割模型中，並對圖像的結構成份和紋理塊成份分別引入非凸保邊約束和低秩的非凸逼近(深度低秩)約束，既能有效刻畫圖像紋理區域，又能顯著提高分割效率；3.建立新的疊代重加權方法求解非凸分割模型，並結合半二次極小化方法來研究最優權的選取問題。本項目預期的成果將為結構-紋理圖像的分割提供新的模型、快速有效的算法以及相應的理論支撐，有效實現模糊理論與非凸最佳化方法在計算機圖像分割中的套用。
結題摘要
本項目對圖像分割和顯著性檢測問題中不同區域的邊緣幾何結構信息的保持、圖像紋理成分的刻畫、快速算法的設計等進行了研究。提出一種基於非凸半范約束的低秩與稀疏耦合的圖像分割模型、基於非局部各向異性擴散方程的顯著性檢測模型、基於非局部張量擴散的顯著性檢測模型、一種多特徵融合的顯著性流模型、基於圖像結構-紋理分解的圖像分割模型，以及一種基於本徵圖像分解的圖像分割模型。上述模型中，我們採用矩陣的S1/2範數而不是核範數（即矩陣的S1範數）度量矩陣的低秩程度，以及採用L1/2範數而不是L1範數度量圖像的稀疏程度。用Schatten-q擬範數來鬆弛低秩子空間聚類模型中的秩函式，並證明了Schatten-q正則最小化問題的最優解可以通過一個廣義的矩陣軟閾值收縮運算元表示。將視覺顯著性目標檢測過程建模為一個非局部各項異性擴散方程的兩個階段，在第一階段，利用邊界先驗進行了由邊界到全圖像的背景擴散，通過排序的方法選擇了部分顯著性值高的元素作為初始顯著性種子。在第二階段，從顯著性種子出發將顯著性值擴散到全圖像域。在第二階段的顯著性疊代擴散過程中對顯著性種子作了更新和最佳化，消除了錯誤種子的影響，從而有效抑制了背景。為了克服傳統的顯著性模型只考慮點與點之間的擴散強度而沒有考慮到擴散方向的問題，引入非局部擴散張量，以在控制擴散強度的同時考慮擴散方向問題。在主方向上抑制擴散從而保證了背景和前景之間的差異性，在其他方向上加快擴散速度，從而保證相似部分作為一個整體高亮檢測出來。將本徵圖像分解和圖像卡通-紋理分解分別耦合到基於模糊區域競爭的圖像分割模型中，並用總廣義變差分別約束圖像的陰影成分和卡通成分。經過數值驗證，上述所提方法皆獲得了比傳統方法更好的圖像分割和顯著性檢測效果。
