最小化三个凸函数之和的一个简单原始-对偶算法

提出一个简单的原始-对偶算法求解三个凸函数之和的最小化问题, 其中目标函数包含有梯度李普希兹连续的光滑函数, 非光滑函数和含有复合算子的非光滑函数. 在新方法中, 对偶变量迭代使用预估-矫正的方案. 分析了算法的收敛性和收敛速率. 最后, 数值实验说明了算法的有效性.     

基于小波与齐次Besov空间的图像分割算法

从具有全局最优解的几何活动轮廓方法出发,分别提出了两种基于齐次Besov窄间与小波变换的图像分割算法,并给出了解的存在性证明.数值求解利用小波软阈值以及分裂Bregman方法,能够有效提高计算效率.由于小波变换具有多分辨特性,对于包含较多细节信息的图像,采用新算法能够得到更好的分割效果.数值实验表明采用新算法能够获得较...     

求解图像分割CV模型的BB算法

给出图像分割的一种新算法——BB算法.该方法的优点在于利用迭代过程中当前点和前一点的信息确定搜索步长,从而更有效地搜索最优解.为此,首先通过变分水平集方法将CV模型转化为最优化问题;其次,将BB算法引入该优化问题进行求解;然后,对BB算法进行收敛性分析,为该算法应用在CV模型中提供了理论依据;最后将该方法与已有的最速下降法、共轭梯度法的分割结果进行比较.结果表明,跟其他两种方法相比,BB算法在保证较好分割效果的前提下,提高了算法的速度和性能.     

一种基于邻近点算法的变步长原始-对偶算法

本文考虑求解一种源于信号及图像处理问题的鞍点问题.基于邻近点算法的思想,我们对原始-对偶算法进行改进,构造一种对称正定且可变的邻近项矩阵,得到一种新的原始-对偶算法.新算法可以看成一种邻近点算法,因此它的收敛性易于分析,且无需较强的假设条件.初步实验结果表明,当新算法被应用于求解图像去模糊问题时,和其他几种主流的高效算法相比,新算法能得到较高质量的结果,且计算时间也是有竞争力的.     

基于改进C-V水平集模型的SAR图像分割

本文研究了SAR图像分割的问题.利用一种加入图像边缘信息且无需重新初始化的改进水平集方法,获得了比传统C-V模型分割速度更快、准确度更高的分割结果.推广了C-V水平集模型分割灰度不均匀的SAR图像以及零水平集曲线的初始化等结果.     

改进的水平集方法及其在图像分割中的应用

为了稳定水平集函数的演化过程,提出了一种改进的距离规则化水平集方法,新方法与传统的距离规则化方法相比,能更好地维持水平集函数的符号距离函数特性.为了检验新方法的性能,首先将其应用到基于边缘的主动轮廓模型中并用于图像分割,实验结果表明新方法能有效提高分割效率和精度.同时,还将新方法应用到一种改进的基于区域的主动轮廓模型中,实验结果不仅进一步验证了新方法的有效性,还表明新方法能改善初始位置的鲁棒性.     

一个求解半正定规划问题的新原始一对偶内点算法

在原始对偶内点算法的设计和分析中,障碍函数对算法的搜索方法和复杂性起着重要的作用。本文由核函数来确定障碍函数,设计了一个求解半正定规划问题的原始。对偶内点算法。这个障碍函数即可以定义算法新的搜索方向,又度量迭代点与中心路径的距离,同时对算法的复杂性分析起着关键的作用。我们计算了算法的迭代界,得出了关于大步校正法和小步校正法的迭代界,它们分别是O（√n log n log n/c）和O（√n log n/ε）,这里n是半正定规划问题的维数。最后,我们根据一个算例,说明了算法的有效性以及对核函数的参数的敏感性。     

一个求解半正定规划问题的新原始-对偶内点算法

在原始对偶内点算法的设计和分析中,障碍函数对算法的搜索方法和复杂性起着重要的作用.本文由核函数来确定障碍函数,设计了一个求解半正定规划问题的原始-对偶内点算法.这个障碍函数即可以定义算法新的搜索方向,又度量迭代点与中心路径的距离,同时对算法的复杂性分析起着关键的作用.我们计算了算法的迭代界,得出了关于大步校正法和小步校正法的迭代界,它们分别是O(√n log n 10g n/ε)和O(√n log n/ε),这里n是半正定规划问题的维数.最后,我们根据一个算例,说明了算法的有效性以及对核函数的参数的敏感性.     

一种新型的四相水平集图像分割方法

水平集方法在图像分割和计算机视觉领域有很广泛的应用,在传统的水平集方法中,水平集函数需要保持符号距离函数.现有的活动轮廓模型、GAC模型、M-S模型、C-V模型等在演化过程中均需要对水平集函数进行重新初始化,使其保持符号距离函数,然而这样会引起数值计算的错误,最终破坏演化的稳定性,另外这些模型只适用于灰度值较为均匀的图像,对灰度值不均匀的图像不能进行理想的分割·针对这些问题,结合C-V模型的思想,提出了一种带有正则项的四相水平集分割模型,其中正则项被定义为一个势函数,具有向前向后扩散的作用,使水平集函数在演化过程中保持为符号距离函数,避免了水平集函数重新初始化的过程.最后对该模型进行数值实现,实验表明了新模型的可行性和有效性.     

参数最短路的原始-对偶算法

本文利用原始－对偶方法,对于含参数λ的网络（Ｖ,Ｅ,ｆ_１-λｆ_２）,给出了某一点至其它各点的参数最短路的求解算法,其时间复杂度为 Ｏ（ｎｍ＋ｎ~２ｌｏｇｎ）．     

Segmentation of Pulmonary Nodule Images Using 1-Norm Minimization

Total variation minimization (in the 1-norm) has edge preserving and enhancing properties which make it suitable for image segmentation. We present Image Simplification, a new formulation and algorithm for image segmentation. We illustrate the edge enhancing properties of 1-norm total variation minimization in a discrete setting by giving exact solutions to the problem for piecewise constant functions in the presence of noise. In this case, edges can be exactly recovered if the noise is sufficiently small. After optimization, segmentation is completed using edge detection. We find that our image segmentation approach yields good results when applied to the segmentation of pulmonary nodules.     

基于分段常值水平集的抛物型方程的参数识别算法

研究了线性抛物型方程不连续参数的识别算法.根据原有算法对于加噪观测数据计算不收敛的问题,本文基于分段常值水平集方法,根据水平集函数和优化过程的特点,修正原有Uzawa型算法中的带有总变差(TV)正则化的极小化模型和对常值向量的极小化模型,并且利用分裂Bregman迭代算法处理TV范数的优越性,构造一种新的参数识别算法格式.数值实验结果显示,新算法具有计算时间短、精度高、抗噪性强的优点.     

泊松化图像复原的交替最小化算法

为了快速地去除图像中的泊松噪声,本文在传统的交替方向算法基础上,结合松弛算法提出了一个改进的快速交替最小化算法.与经典的数值算法相比,数值试验表明提出的新算法不但能有效地实现泊松化图像复原,还能大幅度地提高数值计算的速率,并显著地减少电脑的CPU运行时间.     

3D Multiphase Piecewise Constant Level Set Method Based on Graph Cut Minimization

Segmentation of three-dimensional (3D) complicated structures is of great importance for many real applications. In this work we combine graph cut minimization method with a variant of the level set idea for 3D segmentation based on the Mumford-Shah model. Compared with the traditional approach for solving the Euler-Lagrange equation we do not need to solve any partial differential equations. Instead, the minimum cut on a special designed graph need to be computed. The method is tested on data with complicated structures. It is rather stable with respect to initial value and the algorithm is nearly parameter free. Experiments show that it can solve large problems much faster than traditional approaches.     

On a Variational Model for Selective Image Segmentation of Features with Infinite Perimeter

Variational models provide reliable formulation for segmentation of features and their boundaries in an image, following the seminal work of Mumford-Shah (1989, Commun. Pure Appl. Math.) on dividing a general surface into piecewise smooth sub-surfaces. A central idea of models based on this work is to minimize the length of feature’s boundaries (i.e., H1 Hausdorff measure). However there exist problems with irregular and oscillatory object boundaries, where minimizing such a length is not appropriate, as noted by Barchiesi et al. (2010, SIAM J. Multiscale Model. Simu.) who proposed to miminize L2 Lebesgue measure of the γ-neighborhood of the boundaries. This paper presents a dual level set selective segmentation model based on Barchiesi et al. (2010) to automatically select a local feature instead of all global features. Our model uses two level set functions: a global level set which segments all boundaries, and the local level set which evolves and finds the boundary of the object closest to the geometric constraints. Using real life images with oscillatory boundaries, we show qualitative results demonstrating the effectiveness of the proposed method.     

On a nonlinear multigrid algorithm with primal relaxation for the image total variation minimisation

Digital image restoration has drawn much attention in the recent years and a lot of research has been done on effective variational partial differential equation models and their theoretical studies. However there remains an urgent need to develop fast and robust iterative solvers, as the underlying problem sizes are large. This paper proposes a fast multigrid method using primal relaxations. The basic primal relaxation is known to get stuck at a ‘local’ non-stationary minimum of the solution, which is usually believed to be ‘non-smooth’. Our idea is to utilize coarse level corrections, overcoming the deadlock of a basic primal relaxation scheme. A further refinement is to allow non-regular coarse levels to correct the solution, which helps to improve the multilevel method. Numerical experiments on both 1D and 2D images are presented.     

修正的TV-Stokes模型的新快速算法

基于Tai等人的前期工作,本文研究修正的TV-Stokes图像去噪模型,提出一些新的求解该两步模型的快速算法.我们利用对偶形式和多重网格方法得到一个求解第1步的快速算法.给出另外一种新的求解光滑的切向量场的保不可压性质的算法.在第2步中,我们提出一类有效的全新算法:首先通过计算Poisson方程得到具有光滑法向量场的函数g,然后利用Jia和Zhao的方法得到恢复的图像.新算法的运算速度非常快,用于图像恢复的CPU时间少于0.1 s.数值结果显示新的快速算法是有效的和稳定的,恢复图像的质量也超过了一般去噪方法.     

快速均值漂移图像分割算法研究

Mean shift算法是一种搜索与样本点分布最接近模式的非参数统计方法.但它是一种迭代统计方法,要保证较高的数值计算精度需要较多的迭代次数,耗费较长的计算时间.为克服这一缺点,提出快速均值漂移图像分割算法.该算法在每次迭代时以前一次的聚类中心集合T动态地更新样本集S,并通过使用直方图缩小样本点的搜索范围进一步加快算法的收敛速度.实验结果表明该方法在保证图像分割质量的同时具有较快的收敛速度.     

A new algorithm for total variation based image denoising

We propose a new algorithm for the total variation based on image denoising problem. The split Bregman method is used to convert an unconstrained minimization denoising problem to a linear system in the outer iteration. An algebraic multi-grid method is applied to solve the linear system in the inner iteration. Furthermore, Krylov subspace acceleration is adopted to improve convergence in the outer iteration. Numerical experiments demonstrate that this algorithm is efficient even for images with large signal-to-noise ratio.