[發明專利]一種圖像處理方法、裝置、設備及計算機可讀存儲介質

有效

• 申請號: 202011170966.1
• 申請日: 2020-10-28
• 公開（公告）號: CN112215779B
• 公開（公告）日: 2023-10-03
• 發明（設計）人: 魏偉波;宋田田;潘振寬;王靜;李青;葛林堯;董田田
• 申請（專利權）人: 青島大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06F17/14;G06F17/15
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 孫曉紅

1.一種圖像處理方法，其特征在于，包括：

將待處理圖像輸入到高階變分模型中，對所述高階變分模型進行迭代計算，得到與所述高階變分模型的能量值對應的各變量的當前迭代值；

根據所述變量的當前迭代值及上一步迭代值計算組合殘差，判斷所述組合殘差是否小于預設值；

若小于，則根據迭代計算中步長的上一步迭代值對所述步長進行更新，并根據更新后的步長進行加速迭代，若不小于，則令所述步長等于初始值，并將所述變量的上一步迭代值作為所述變量的當前迭代值，且根據所述步長及所述變量的當前迭代值進行重啟動；

判斷所述高階變分模型的能量值是否收斂，若不收斂，則進行下一步迭代，并執行根據所述變量的當前迭代值及上一步迭代值計算組合殘差的步驟，若收斂，則輸出處理后圖像。

2.根據權利要求1所述的圖像處理方法，其特征在于，對所述高階變分模型進行迭代計算，得到與所述高階變分模型的能量值對應的各變量的當前迭代值，包括：

引入輔助變量、Lagrange乘子及懲罰參數，利用所述輔助變量、所述Lagrange乘子及所述懲罰參數并通過預設加速算法對所述高階變分模型進行轉化，并得到對應的子優化問題；

通過快速傅里葉變換、解析形式的軟閾值公式對對應的所述子優化問題進行求解，得到與所述高階變分模型的能量值對應的各變量的當前迭代值。

3.根據權利要求2所述的圖像處理方法，其特征在于，當所述高階變分模型為TL模型時，引入輔助變量、Lagrange乘子及懲罰參數，利用所述輔助變量、所述Lagrange乘子及所述懲罰參數并通過預設加速算法對所述高階變分模型進行轉化，并得到對應的子優化問題，包括：

引入兩個輔助變量w和v，且令w＝▽u、v＝▽·w，并引入兩個Lagrange乘子β₁和β₂，且引入兩個懲罰參數μ₁和μ₂，利用ADMM算法將所述TL模型的能量泛函極小值問題轉化為其中，增廣Lagrange函數為對應的子優化問題為：u^k+1＝arg min E(u,w^k,v^k)、w^k+1＝arg min E(u^k+1,w,v^k)、v^k+1＝arg min E(u^k+1,w^k+1,v^k)；

其中，E(u)為所述TL模型的能量泛函，u為所述處理后圖像，f為所述待處理圖像，γ為懲罰參數，k表示迭代步數，K為迭代極限，▽表示一階導數。

4.根據權利要求3所述的圖像處理方法，其特征在于，根據所述變量的當前迭代值及上一步迭代值計算組合殘差，包括：

利用計算組合殘差c^k+1；

相應地，令迭代計算的步長等于初始值，并將所述變量的上一步迭代值作為所述變量的當前迭代值，包括：

令α^k+1＝1，并令w^k+1←w^k、

根據所述步長的上一步迭代值對所述步長進行更新，并根據更新后的步長進行加速迭代，包括：

利用對所述步長進行更新，并利用w^k+1←w^k+1+θ^k+1(w^k+1-w^k)、對w^k+1、進行更新，以根據更新后的w^k+1、進行加速迭代；其中，α^k為所述步長的上一步迭代值，θ為慣性參數。