(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211236538.3 (22)申请日 2022.10.10 (71)申请人 河南省人民医院 地址 450000 河南省郑州市金 水区纬五路7 号 (72)发明人 朱好辉　庞志峰　耿孟晓　杨霖　 (74)专利代理 机构 郑州华隆知识产权代理事务 所(普通合伙) 41144 专利代理师 徐小磊 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/11(2017.01) G06T 7/187(2017.01) (54)发明名称 基于高阶全变分和热核卷积的自适应加权 图像分割方法 (57)摘要 本发明一般地涉及图像处理技术领域， 特别 是一种基于高阶全变分和热核卷积的自适应加 权图像分割方法。 方法包括： 获取待分割图像； 将 待分割图像输入图像分割模型， 图像分割模型 为: 其中， Ω是有 界开连通集； τ为尺度参数； *表示卷积； u 为分割 后的图像； f为待分割图像； x为像素点； λ为正参 数； c1,c2∈R， c1为两相分割时分割边界内部像 素 的平均值； c2为两相分割时分割边界外部像素的 平均值； α(f)为一阶正则项的自适应权重； β (f)为二阶正则项的自适应权重； Gτ为高斯函 数； 对图像分割模型及进行求解， 得到分割后的 图像。 本发明可以降低计算复杂度， 从而提升分 割的速度； 并且提高分割图像质量。 权利要求书2页 说明书7页 附图3页 CN 115526876 A 2022.12.27 CN 115526876 A 1.一种基于高阶全变分和热核卷积的自适应加权图像分割方法， 其特征在于， 该方法 包括： 获取待分割图像； 将待分割图像输入图像分割模型， 所述图像分割模型为: 其中， Ω是有界开连通集； τ为尺度参数； *表示卷积； u为分割后的图像； f为待分割图 像； x为像素点； λ为正参数； c1,c2∈R， c1为两相分割时分割边界内部像素 的平均值； c2为两 相分割时分割 边界外部像素的平均值； α(f)为一阶正则项的自适应权重； β(f)为二阶正则 项的自适应权 重； Gτ为高斯函数； 对图像分割模型及进行求 解， 得到分割后的图像。 2.根据权利要求1所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 一阶正则项的自适应权 重和二阶正则项的自适应权 重的计算过程 为： 其中， f为待分割图像； α(f)为一阶正则项的自适应权重； β(f)为二阶正则项的自适应 权重。 3.根据权利要求1所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 高斯 函数为： 其中， Gτ为高斯函数； τ 为尺度参数； x为像素点。 4.根据权利要求1所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 通过交替方向乘子法， 迭代求解图像分割模型， 满足迭代终止标准， 输出分割后 的图像。 5.根据权利要求4所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 交替方向乘子法中， 采用增广拉格朗日方法将图像分割模型转 化为鞍点问题： 其中， 为增广拉格朗日函数； u为分割后的图像； η为对偶变量； r为罚参数。权　利　要　求　书 1/2 页 2 CN 115526876 A 26.根据权利要求5所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 通过一阶线性 化方法求 解u。 7.根据权利要求5所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 通过压缩阈值方法求 解z。 8.根据权利要求5所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 通过梯度上升法求 解对偶变量 η。 9.根据权利要求4所述的基于高阶全变分和热核卷积的自适应加权图像分割方法， 其 特征在于， 交替方向乘子法中， 迭代终止标准 为： 其中， ε为停止阈值； k 为第k次迭代。权　利　要　求　书 2/2 页 3 CN 115526876 A 3