[發明專利]一種基于自適應正則化的圖像分析方法

在審

• 申請號: 201710737260.0
• 申請日: 2017-08-24
• 公開（公告）號: CN107464228A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 夏春秋
• 申請（專利權）人: 深圳市唯特視科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及計算機圖形學中的圖像分析領域，尤其是涉及了一種基于自適應正則化的圖像分析方法。

背景技術

基于自適應正則化的圖像分析是數字圖像處理中的一個重要研究領域，它在進行圖像恢復、圖像分割和圖像去噪等圖像處理過程時都起到了很重要的作用。而圖像恢復從數學角度考慮是一種反問題，具有很大的病態性，故必須進行正則化處理，且從統計的角度看，正則化處理其實就是一種圖像的先驗信息約束。此外，結合濾波方法和正則化技術可以很好的降低圖像中的隨機噪聲、背景以及條紋強度變化的系統噪聲，使圖像輸出得到很好的優化。相關的研究成果也被廣泛的應用到航空航天、醫學、海洋、軍事公安以及視頻編碼等領域，如宇航衛星、航空測繪和遙感獲得的圖像就需要此方法提高圖像質量，還有在X射線成像系統、數字血管造影和核磁共振成像系統等設備所得的圖像也需要這種方法進行圖像去噪。但現有的正則化方法針對圖像分割、動態預測、圖像去噪等問題時還無法實現較高的魯棒性與高效性，本發明的應用很好的改善了這些特性。

本發明提出了一種基于自適應正則化的圖像分析方法，其主要內容包括：自適應正則化方法、自適應正則化在成像問題中的應用、整體能量優化，其過程為，該自適應正則化方法用于優化在圖像分析問題中產生的復合能量函數，在迭代優化的過程中根據當前的數據擬合來自動權衡數據保真度與正則化程度，也需要在數據保真以及正則化項中使用Huber損失函數，并提出基于交替方向乘子算法的高效凸優化算法并使用Huber函數與單范數近似算子之間的等價關系，然后通過圖像分割、動態預測、圖像去噪等問題來在合成或真實的圖像中驗證自適應正則化方法，結果證明應用了此方法的自適應Huber-Huber模型相比現有圖像分析模型具備更好的魯棒性與更高的效率。

發明內容

針對本發明提出的一種基于自適應正則化的圖像分析方法，此方法用于優化在圖像分析問題中產生的復合能量函數，在迭代優化的過程中根據當前的數據擬合來自動權衡數據保真度與正則化程度，也需要在數據保真以及正則化項中使用Huber損失函數，并提出基于交替方向乘子算法的高效凸優化算法并使用Huber函數與單范數近似算子之間的等價關系，然后通過圖像分割、動態預測、圖像去噪等問題來在合成或真實的圖像中驗證自適應正則化方法，結果證明應用了此方法的自適應Huber-Huber模型相比現有圖像分析模型具備更好的魯棒性與更高的效率。

為解決上述問題，本發明提供一種基于自適應正則化的圖像分析方法，其主要內容包括：

(一)自適應正則化方法；

(二)自適應正則化在成像問題中的應用；

(三)整體能量優化；

其中，所述的自適應正則化方法，通過結合Bayesian或Tikhonov等標準正則化方法來促進自適應正則化方法的形成，用f來表示圖像或視頻等數據，用u來表示用于分割圖像的分區的特征方程或光流區域等受關注的目標，并假設有一個以似然函數的形式存在的模型，其先前形式為然后嘗試通過Bayesian標準(最大后驗概率)來求解等式(1)從而推斷出u，這里等式(1)如下所示：

這些模型從能量函數導出，并將其中不適定的部分做最小化處理，故此處Tikhonov正則化通過選擇一個泛函來引入，其中需要對進行最小化，將數據項解釋為負對數似然函數l(u(x))∝exp(-ρ(u(x)))，并將正則化矩陣解釋為先驗負對數似然函數q(u(x))∝exp(-γ(u(x)))，這樣可以得到等式(2)如下：

其中乘數λ是能夠控制正則化程度的正標量參數，并且是先驗固定的，如等式(3)與(4)所示：

正則化矩陣使得最后λ函數的解有所偏差，然后在進行優化的過程中改變λ的值來取代固定值，這樣就使得正則化矩陣的權重一開始最大，隨后這一權重會下降，選擇使用等式(5)如下所示：

其中根據一些退火程序，λ的值滿足λ→1，這里在Bayesian框架中沒有任何解釋，且其并不取決于λ的特定值，而取決于退火程序，在本發明的方法中則選擇如下所示的等式(6)作為模型的形式：