基于全变分最小化的图像优化方法、装置和计算机设备与流程

技术特征：
1.一种基于全变分最小化的图像优化方法，其特征在于包括：将待优化图像由边缘向外扩展至少两个像素，得到的图像由内到外依次为待优化区域、中心区域和拓展区域，其中，所述拓展区域包括所述中心区域及由所述中心区域边缘向外扩展至少一个像素的图像区域，所述中心区域包括所述待优化区域及由所述待优化区域边缘向外扩展至少一个像素的图像区域，所述待优化区域为待优化图像所在区域；采用分裂布雷格曼迭代法，基于所述拓展区域内各像素点的灰度初始值、拉格朗日乘子初始值、惩罚参数，对所述中心区域内各像素点的灰度值、收缩因子、拉格朗日乘子进行交替迭代计算，直至满足迭代停止要求，得到所述中心区域内各像素点的灰度优化值。2.根据权利要求1所述的图像优化方法，其特征在于，采用分裂布雷格曼迭代法，基于所述拓展区域内各像素点的灰度初始值、拉格朗日乘子初始值、惩罚参数，对所述中心区域内各像素点的灰度值、收缩因子、拉格朗日乘子进行交替迭代计算包括：初始化计算得到所述中心区域内各像素点的灰度第1次迭代值、收缩因子初始值、拉格朗日乘子第1次迭代值；基于所述中心区域内各像素点的灰度初始值、灰度第k 1次迭代值、拉格朗日乘子第k次迭代值和第k 1次迭代值，迭代计算所述像素点的灰度第k 2次迭代值；基于所述像素点的灰度第k 2次迭代值的梯度值和拉格朗日乘子第k 1次迭代值，迭代计算所述像素点的收缩因子第k 1次迭代值；基于所述像素点的收缩因子第k 1次迭代值、灰度第k 2次迭代值的梯度值、拉格朗日乘子第k 1次迭代值、惩罚参数，迭代计算所述像素点的拉格朗日乘子第k 2次迭代值，其中k＝0，1，2
…
。3.根据权利要求2所述的图像优化方法，其特征在于，基于所述中心区域内各像素点的灰度初始值、灰度第k 1次迭代值、拉格朗日乘子第k次迭代值和第k 1次迭代值，迭代计算所述像素点的灰度第k 2次迭代值包括：基于所述像素点的灰度初始值、灰度第k 1次迭代值得到灰度迭代值的保真项；基于所述像素点及其左、上方相邻像素点的拉格朗日乘子第k次和第k 1次迭代值得到灰度迭代值的正则化项；基于所述保真项和正则化项得到所述像素点的灰度第k 2次迭代值。4.根据权利要求3所述的图像优化方法，其特征在于，基于所述像素点的灰度初始值、灰度第k 1次迭代值得到灰度迭代值的保真项；基于所述像素点及其左、上方相邻像素点的拉格朗日乘子第k次和第k 1次迭代值得到灰度迭代值的正则化项；基于所述保真项和正则化项得到所述像素点的灰度第k 2次迭代值包括：其中，为保真项；
为正则化项；u
k 2
(i,j)为所述中心区域内像素点的灰度第k 2次迭代值；u0(i,j)为所述像素点的灰度初始值；u
k 1
(i,j)为所述像素点的灰度第k 1次迭代值；为所述像素点的左方相邻像素点拉格朗日乘子的x方向第k次迭代值；为所述像素点的上方相邻像素点拉格朗日乘子的y方向第k次迭代值；为权重参数。5.根据权利要求4所述的图像优化方法，其特征在于，τ的值等于4。6.根据权利要求2所述的图像优化方法，其特征在于，基于所述像素点的收缩因子第k 1次迭代值、灰度第k 2次迭代值的梯度值、拉格朗日乘子第k 1次迭代值、惩罚参数，迭代计算所述像素点的拉格朗日乘子第k 2次迭代值包括：当所述像素点的收缩因子第k 1次迭代值大于惩罚参数的倒数时，根据所述像素点的灰度第k 2次迭代值的梯度值、拉格朗日乘子第k 1次迭代值、收缩因子第k 1次迭代值、惩罚参数，获取所述像素点的拉格朗日乘子的第k 2次迭代值；当所述像素点的收缩因子第k 1次迭代值小于或等于惩罚参数的倒数时，根据所述像素点的灰度第k 2次迭代值的梯度值、拉格朗日乘子第k 1次迭代值，获取所述像素点的拉格朗日乘子的第k 2次迭代值。7.根据权利要求6所述的图像优化方法，其特征在于，当所述像素点的收缩因子第k 1次迭代值大于惩罚参数的倒数时，根据所述像素点的灰度第k 2次迭代值的梯度值、拉格朗日乘子第k 1次迭代值、收缩因子第k 1次迭代值、惩罚参数，获取所述像素点的拉格朗日乘子的第k 2次迭代值包括：当时，时，k＝0，1，2
…
；当所述像素点的收缩因子第k 1次迭代值小于或等于惩罚参数的倒数时，根据所述像素点的灰度第k 2次迭代值的梯度值、拉格朗日乘子第k 1次迭代值，获取所述像素点的拉格朗日乘子的第k 2次迭代值包括：当时，时，k＝0，1，2
…
；其中，
λ(i,j)为所述像素点的惩罚参数。8.根据权利要求2所述的图像优化方法，其特征在于，初始化计算得到所述中心区域内各像素点的灰度第1次迭代值包括：根据所述中心区域内的每一个像素点的灰度初始值，和所述像素点的四领域像素点的灰度初始值，进行加权求和获取所述像素点的灰度第1次迭代值。9.根据权利要求1所述的图像优化方法，其特征在于，所述待优化图像的扩展像素点的灰度初始值为距离所述扩展像素点最近的待优化图像像素点的灰度初始值；所述中心区域外的扩展像素点的灰度迭代值等于所述像素点的灰度初始值；所述中心区域内各像素点的拉格朗日乘子初始值为0。10.一种基于全变分最小化的图像优化装置，其特征在于包括：图像扩展模块，用于将待优化图像由边缘向外扩展至少两个像素，得到的图像由内到外依次为待优化区域、中心区域和拓展区域，其中，所述拓展区域包括所述中心区域及由所述中心区域边缘向外扩展至少一个像素的图像区域，所述中心区域包括所述待优化区域及由所述待优化区域边缘向外扩展至少一个像素的图像区域，所述待优化区域为待优化图像所在区域；优化迭代模块，用于采用分裂布雷格曼迭代法，基于所述拓展区域内各像素点的灰度初始值、拉格朗日乘子初始值、惩罚参数，对所述中心区域内各像素点的灰度值、收缩因子、拉格朗日乘子进行交替迭代计算，直至满足迭代停止要求，得到各像素点的灰度优化值。11.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的基于全变分最小化的图像优化方法。

技术总结
本申请涉及一种基于全变分最小化的图像优化方法、装置和计算机设备，其中，该方法包括：将待优化图像由边缘向外扩展至少两个像素，得到由内到外依次为待优化区域、中心区域和拓展区域的图像；基于所述拓展区域内各像素点的灰度初始值、拉格朗日乘子初始值、惩罚参数，对所述中心区域内各像素点的灰度值、收缩因子、拉格朗日乘子进行交替迭代计算，直至满足迭代停止要求，得到各像素点的灰度优化值。解决了相关技术中存在的总运算量大、迭代变量多、图像数据不连续的问题，为后续的数据并行化提供了基础；减少了迭代变量，提高了图像优化效率。化效率。化效率。


技术研发人员：高成龙 李山奎 李俊杰 黄灿鸿 郭新路
受保护的技术使用者：上海联影医疗科技股份有限公司
技术研发日：2021.11.11
技术公布日：2022/2/8