由拓扑梯度图像分析方法是一种基于拓扑的历史应用渐近展开从边界测量裂纹定位问题。本文旨在回顾通过各种应用这种方法在图像处理;特别是图像恢复与边缘检测、分类和灰度级和彩色图像分割问题提出了这项工作。数值实验表明拓扑梯度方法建模的效率和解决不同的图像分析问题。然而,拓扑梯度方法提供了一个主要的缺点:确定边缘不连接,然后结果特别是对分割问题可以退化。为了克服这种不便,我们提出一个替代的解决方案,结合拓扑梯度的分水岭方法和技术。数值结果使用耦合的方法很有趣。
拓扑优化的目标是找到最优分解给定域的两个部分:优化设计及其互补的。同样在图像处理中,我们的目标是将一个图像在几个部分,特别是在图像修复边缘的检测使这个操作简单。
这项工作的目的是说明可以使用拓扑优化工具解决一些图像分析问题。让我们回想一下,基本和第一想法是基于Amstutz等的工作。
让<我nl在e- - - - - -f或mula>
让<我nl在e- - - - - -f或mula>
本节的目标是使用拓扑梯度方法作为一种工具来检测边缘的图像修复(
边缘检测相当于寻找的子域名<我nl在e- - - - - -f或mula>
初始化:<我nl在e- - - - - -f或mula>
计算<我nl在e- - - - - -f或mula>
计算的<我nl在e- - - - - -f或mula>
集 计算<我nl在e- - - - - -f或mula>
数值实验,我们认为,在第一步,灰度级图像(见图 (一)初始<我nl在e- - - - - -f或mula>
初始化:<我nl在e- - - - - -f或mula>
计算<我nl在e- - - - - -f或mula>
计算的<我nl在e- - - - - -f或mula>
集<我nl在e- - - - - -f或mula>
计算<我nl在e- - - - - -f或mula>
在图 (一)变焦嘈杂的莉娜的图像(<我nl在e- - - - - -f或mula>
我们现在考虑彩色图像的RGB模型。然后,图像<我nl在e- - - - - -f或mula>
其他一些耦合技术已经定义以处理多通道图像。我们可以把例如贝尔特拉米扩散型的过程,图像视为导管。非线性结构张量的定义和局部调整渐变类型显示测量和允许一个控制的扩散过程 数值测试,我们首先考虑在图 (一)原始图像,(b)嘈杂的图像(<我nl在e- - - - - -f或mula>
然后提高恢复过程,我们提出在图 (一)最初的<我nl在e- - - - - -f或mula>
我们必须注意,经典的拓扑对应梯度法,解决方案<我nl在e- - - - - -f或mula>
另一方面,对于拓扑对应使用Di Zenzo梯度,梯度法的多光谱相关的张量图像向量场是和张量的最大特征值对应的标准梯度,称为Di Zenzo梯度( 为<我nl在e- - - - - -f或mula>
本节涉及一个原始图像使用分类的问题<我nl在e- - - - - -f或mula>
初始化:<我nl在e- - - - - -f或mula>
计算<我nl在e- - - - - -f或mula>
计算的<我nl在e- - - - - -f或mula>
集 计算<我nl在e- - - - - -f或mula>
k-mean分类算法的应用<我nl在e- - - - - -f或mula>
在恢复过程中,分类算法应用到彩色图像的分解图像RGB颜色空间,然后我们分别处理图像的三个组件。的拓扑梯度总和可以视为之和三个拓扑梯度对每个通道。图 从unregularized机密图像(a)和(b)正规化分类图像。
另一方面,非监督分类对应一个类的分类问题都不是。在这种情况下,可以确定在一个最佳的方式,仍然使用拓扑梯度法。这个想法是为了研究类的改变值的影响<我nl在e- - - - - -f或mula>
初始化与<我nl在e- - - - - -f或mula>
确定最优值。
而<我nl在e- - - - - -f或mula>
集<我nl在e- - - - - -f或mula>
停止如果成本函数的最优值(对<我nl在e- - - - - -f或mula>
该算法已应用于图
在本节中,我们使用的拓扑梯度作为一种工具在断层重建问题。我们回想一下,一个标准方法不适定问题的正则化层析成像在于如下优化问题: 让<我nl在e- - - - - -f或mula>
比较几种重建方法,由几个比率和相似性指标量化,嘈杂的正弦图<我nl在e- - - - - -f或mula>
进化的重建图像的PSNR (dB)拓扑梯度法,的函数正则化系数的水平<我nl在e- - - - - -f或mula>
使用拓扑重建Shepp-Logan头幻影梯度法。
原始图像
噪声的正弦图(<我nl在e- - - - - -f或mula>
重建图像(<我nl在e- - - - - -f或mula>
方法
PSNR值
信噪比
SSIM
均方误差
出口押汇 14.59 33.0 0.41 0.0342
出口押汇+汉明 15.91 31.71 0.52 0.0273
拓扑梯度(电视) 22.43 33.75 0.82 0.0042
拓扑梯度(<我nl在e- - - - - -f或mula>
26.18 34.01 0.94 0.0023
我们建议在本部分分割问题的新算法基于拓扑梯度的方法。通过不同的和各种应用程序,我们可以很容易得出这样的结论:拓扑梯度方法在图像分析是一个非常有趣的方法。首先,拓扑梯度法可以很容易地应用于图像分析中的许多问题。第二,我们应该提到我们取得优秀的数值计算结果和计算时间非常有趣和证实理论的复杂性<我nl在e- - - - - -f或mula>
使用一个分水岭变换分割结合拓扑梯度:(a)是一个<我nl在e- - - - - -f或mula>
最后,由于大量的方法用于分割问题,比较清楚,似乎是很重要的我们的实验结果与方法已经提出了在文献中。特别是,我们建议将我们的方法和一种基于水平集活动轮廓模型方法,这是众所周知的一种有效方法,广泛应用于许多应用程序在过去的十年里。在活动轮廓模型的基本思想是发展曲线受约束从一个给定的图像,以检测不同对象的形象。为了实现这一目标,我们开始与对象检测曲线,曲线走向其内部正常的,必须停止在边界上的对象。这是第一个想法提出的古典蛇和活动轮廓模型( 分割的结果合成图使用一个活动轮廓模型:不同迭代显示(b) (e), (f)是使用我们的新方法分割图像。
我们提出了许多应用程序拓扑梯度的图像处理方法的说明该技术的好处和不便。我们证明了拓扑梯度的方法提供了一个极好的框架为解决不同的图像处理问题,如果另一种方法来克服其主要缺点给没有连接轮廓是将它与其他方法结合起来。它已经应用于图像恢复,边缘检测,图像分类,图像分割灰度级和彩色图像。它也被应用于断层的问题,我们的主要目标在于将它应用于其他现实生活问题主要提出的所有应用程序,我们得到好的结果和计算时间非常短。我们建议在即将发表的论文中执行的应用程序拓扑梯度的图像分割方法,最终通过与其他方法的结合,特别是使用标记的标准。事实上,当检测到边缘地区拓扑梯度最消极的,那么它就可以提取一些分属于边缘,然后利用这些点作为选择标记集。我们也打算这个工作扩展到彩色图像分割和三维分割。