彩色纹理图像分解的VO模型及其Split+Bregman方法

《彩色纹理图像分解的VO模型及其Split+Bregman方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据第33卷第10期2012年10月仪器仪表学报ChineseJournalofScientificInstrumentV01．33No．100ct．2012彩色纹理图像分解的VO模型及其SplitBregman方法术魏伟波1，潘振宽1，赵增芳2(1青岛大学信息工程学院青岛266071；2中国科学院海洋研究所青岛266071)摘要：彩色纹理图像分解的处理模型和方法是近年来纹理图像处理研究的热点。为实现彩色纹理图像的分解，在介绍TV(totalvariation)模型及其SplitBregman方法的基础上，通过辅助变量和Bregman迭

2、代参数，将SplitBregrnan方法引入到VO(Vese—Osher)模型中，提高了计算速度。通过数值实验比较了VO模型与TV模型在彩色纹理图像分解中的效果，验证了基于SplitBregman方法的VO模型的有效性和效率。关键词：彩色图像分解；VO模型；TV模型；SplitBregman方法；纹理中图分类号：TP391文献标识码：A国家标准学科分类代码：520．60VOmodelanditsSplitBregmanmethodforcolortextureimagedecompositionWeiWeib01，PanZhenkuanl，

3、ZhaoZengfan92(JCollegeofInformationEngineering，QingdaoUniversity，Qingdao266071，China；2InstituteofOceanology，ChineseAcademyofSciences，Qingdao266071，China)Abstract：Themodelsandmethodsofcolortextureimagedecompositionaretheresearchfocusoftextureimagepro．cessinginrecentyears．In

4、ordertorealizecolortextureimagedecomposition，basedontheintroductionofTV(totalvariation)modelanditsSplitBregmanmethod，thispaperappliesSplitBregmanmethodtoVO(Vese—Osher)modelthroughintroducingauxiliaryvariablesandBregmaniterativeparameters，whichiflereasesthecalculationspeed．

5、SomenumericalexamplesofcolortextureimagedecompositionareusedtocomparetheeffectsofVOmodelandTVmodel，whichverifiesthevalidityandefficiencyofVOmodelbasedonSplitBregmanmethod．Keywords：colorimagedecomposition；VO(Vese—Osher)model；TV(totalvariat)model；SplitBregmanmethod；texture1引

6、纹理图像处理是图像处理的一个重要分支，而纹理图像分解是纹理图像处理的重要研究内容，如果能够将纹理图像分解成结构部分和纹理部分，将有助于后续的图像分析和图像理解过程。纹理图像分解中经典模型有Rudin—Osher—Fatemi[1

7、、Mumford．ShahE2]、Perona—Malik[3I、Aubert—Vese”1等，这些模型都能较好地计算出初始图像厂收稿日期：2012-02ReceivedDate：2012-02％基金项目：国家自然科学基金(61170106)资助项目最优的分段光滑部分“，同时去除噪声部分或小尺度纹理部分。分解得到的

8、z，部分有时会包含很多重要信息，如小尺度纹理信息，可以用于纹理图像的分割、纹理识别等。2001年，Meyer∞o在TV模型的基础上建立了纹理图像的振荡函数建模理论，把与有界变差(boundedvariationBV)函数空间对偶的振荡函数空间(G空间)作为纹理图像的函数空间，同时还提出了E空间和F空间，但Mey．er未给出实现方法。Vese和Osher。6。J贝0结合Meyer的振荡函数建模理论及TV模型，用口近似ll·11。范数，提万方数据2280仪器仪表学报第33卷出了新的结构．纹理分解模型——VO模型。对纹理图像分解的模型和方法有许多

9、，主要有Osh—er、Sole和Vese博1提出的基于TV和日。1范数的OSV(0s—her—Sole—Vese)模型，Aujol和Chambollep。引入对偶范数进行图像分解