欢迎来到利索能及~ 联系电话:18621327849
利索能及
我要发布
收藏
专利号: 2020104650343
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-10-29
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解方法,其特征在于,包括以下步骤:(1)建立如下基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解模型:其中,f是需要进行特征分解的图像,uc和ut分别为待分解的图像轮廓部分和纹理部分,和 分别为图像竖直和水平方向的梯度算子,D是离散余弦变换(DCT变换);||·||L0为统计非零元素个数的L0范数,用于稀疏表达统计; 和 是图像轮廓竖直和水平方向上的梯度稀疏表达正则项,用于对轮廓边缘的梯度统计,即统计梯度不为0的元素个数; 是复原误差控制项;α1,α2,α3是非零的正则化系数,其中α1,α2是图像轮廓结构水平和竖直正则化系数;α3是纹理结构的正则化参数;

(2)利用交替方向乘子法(ADMM)求解图像轮廓和纹理分解模型,得到相应的分解迭代方程;

(3)根据所述分解迭代方程,计算输出分解后的图像轮廓uc和纹理ut。

2.根据权利要求1所述的基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解方法,其特征在于,所述步骤(3)中,通过以下步骤计算输出所述分解后的图像轮廓uc和纹理ut:Step 1:初始化设置, 迭代停止条件误差限:tol=10-5,初始误差error=1;最大迭代次数itermax=200,迭代次数初始值iter=1;

Step 2:while itertolCompute:

Step 3:输出所述分解后的图像轮廓uc和纹理ut。

3.根据权利要求1所述的基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解方法,其特征在于,所述步骤(2)包括如下步骤:(21)利用ADMM算法,引入辅助变量d1,d2,d3,并令 将步骤(1)中图像分解模型转换为如下优化问题:

其中,λ1,λ2,λ3和b1,b2,b3分别利用ADMM算法变量分裂时引入的辅助参数和辅助变量;

(22)利用交叉迭代方式,将步骤(21)中的方程(2)分解为如下子问题:

4.根据权利要求3所述的基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解方法,其特征在于,关于所述 的问题求解如下:利用导数求拐点法得如下线性方程:

利用傅里叶变换及傅里叶反变换整理有:

5.根据权利要求3所述的基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解方法,其特征在于,关于所述 的问题求解如下:对(4)式利用直接求导并等于零有:

那么 的迭代公式有:

6.根据权利要求3所述的基于各向异性L0梯度稀疏表达和DCT变换的图像轮廓和纹理特征分解方法,其特征在于,关于所述 和 的问题求解如下:利用硬阈值滤波求解(5),(6),(7)式有: