面向图像平滑的结构感知空间自适应混合阶变分模型

《Computers & Graphics》:Structure-aware spatially adaptive mixed-order variational model for image smoothing

【字体: 大 中 小 】 时间:2026年09月22日 来源:Computers & Graphics 2.7

编辑推荐:

   - 跨尺度结构张量构建结构置信度先验,用于空间自适应。 - 混合阶Welsch正则化在抑制阶梯效应(staircasing)的同时保留图像边缘。 - 结合余弦续延的ADMM–IRLS方法高效求解所得非凸模型。 - 实验表明该方法在不同数据集上展现出具有竞争力的平滑性能和鲁棒性

  

- 跨尺度结构张量构建结构置信度先验,用于空间自适应。
- 混合阶Welsch正则化在抑制阶梯效应(staircasing)的同时保留图像边缘。
- 结合余弦续延的ADMM–IRLS方法高效求解所得非凸模型。
- 实验表明该方法在不同数据集上展现出具有竞争力的平滑性能和鲁棒性。

**引言**

图像平滑旨在抑制非结构性纹理变化,同时保留物体轮廓和弱结构边界[1,2,3]。它是图像细节增强、高动态范围(HDR)色调映射[4]以及图像抽象[5]等下游应用中的重要预处理工具。其基本难点在于,纹理和结构并不总能通过局部梯度幅值进行可靠区分。在自然图像中,高对比度的重复纹理可能产生强烈的微分响应,而具有感知意义的边界可能仅表现出微弱的强度变化。此外,结构响应通常具有空间一致性,并且在观察尺度上持续存在,而纹理引起的响应可能随尺度发生更显著的变化。当正则化行为主要由单尺度局部响应决定时,这些重叠特征使得结构与纹理的区分变得困难。

从函数空间的角度来看,一阶全变分(TV)正则化[6]在$BV$空间中倾向于分段常数重建,因此在平滑变化区域可能产生阶梯效应。更高阶的模型,包括与有界Hessian空间相关的公式,能够更好地表示分段平滑的过渡,但过度高阶平滑可能削弱尖锐的不连续性。加权最小二乘法(WLS)[4]及相关边缘感知模型根据局部图像响应调节二次正则化,而非凸惩罚(如$L_0$梯度正则化[2]、截断鲁棒惩罚[7]以及Welsch函数[8])则减少了充分大的梯度的影响。特别是Welsch惩罚的有界性和下回归特性对于保留显著响应非常有用。然而,如果局部惩罚形状或权重主要由单尺度梯度幅值决定,则强纹理可能受到过度保护,而弱结构边界可能被过度平滑。此外,一阶和二阶正则化之间全局固定的平衡无法同时满足具有尖锐不连续性和平滑变化结构的空间异质图像。这些观察结果激励我们设计一种正则化机制,其惩罚形状、强度和导数阶数根据更可靠的结构线索进行协调。

基于学习的平滑和修复方法利用卷积网络[9,10]、Transformer[11,12]和生成先验[13]展示了强大的表征能力。混合框架如插拔即用(Plug-and-Play)优化、去噪正则化和基于分数的先验进一步将学习到的表征与迭代重建相结合。尽管性能强劲,但学习的先验可能仍然对分布偏移敏感,或者引入训练域之外的先验驱动细节[14,15]。因此,当需要免训练部署、可解释的正则化以及对平滑行为的直接控制时,显式变分模型仍然非常有用。

基于这些观察,我们提出了一种结构感知的空间自适应混合阶Welsch变分模型,用于图像平滑。该方法不将大的梯度幅值视为结构边界的直接证据,而是首先从张量导出响应的空间一致性和跨尺度持久性估计一个结构置信度场。该置信度并不显式地将图像分解为独立的结构和纹理分量,而是为后续正则化提供空间线索。基于该线索,一阶和二阶Welsch指数以及正则化权重逐像素调整,使不同图像区域接受不同的平滑行为。所得公式以空间协调的方式将稀疏边界保持正则化与曲率平滑相结合。

主要贡献总结如下:
- 开发了一种跨尺度结构张量置信度机制,用于构建空间结构先验,在保留持久结构的同时抑制尺度不一致的纹理响应。
- 建立了空间自适应混合阶Welsch模型,其中结构先验控制逐像素的一阶和二阶正则化行为,以同时解决纹理抑制、边界保持和阶梯效应。
- 针对所得非凸模型,推导了结合余弦续延的ADMM–IRLS实现方案,其中二次图像更新子问题通过DCT对角化,对$N=HW$个空间像素实现了$\mathcal{O}(N\log N)$的更新。

本文其余部分组织如下:第2节回顾了代表性的滤波、变分、鲁棒正则化和基于学习的方法。第3节提出了所提出的结构先验、空间自适应混合阶模型和优化方案。第4节报告了定量和定性比较结果,以及消融、敏感性、收敛性、计算成本、鲁棒性和应用分析。第5节对论文进行总结,并讨论其局限性和未来方向。

**章节摘要**

*局部滤波与结构引导方法*

局部滤波方法通常根据邻域内的空间邻近性和光度相似性执行加权聚合。双边滤波[1]结合空间域和强度域核函数,已成为具有代表性的边缘保持滤波器。导向滤波[16]采用局部线性模型以实现高效平滑,同时减少光晕和梯度反转伪影。域变换滤波[17]将多维边缘感知滤波映射为一系列……

**框架概述**

现有的基于非凸惩罚的变分模型通常依赖局部梯度的绝对幅值进行边缘保持。然而,宏观纹理可能产生大的梯度响应,而精细结构可能仅表现出微小的强度变化。这种歧义性导致具有静态参数的模型要么保留强纹理,要么模糊弱边缘。为了平衡纹理抑制与结构保持,所提出的方法将结构先验提取与……

**实验与应用**

实验评估了基准平滑精度、各组件和参数的影响、数值收敛性和效率、鲁棒性以及代表性应用。所有实验均在MATLAB R2024b环境下,在配备16 GB RAM的Intel Core i5-10300H CPU上完成,未使用GPU加速。

**结论**

本文提出了一种结构感知的空间自适应混合阶变分模型,用于图像平滑。跨尺度结构张量先验用于区分空间持久的结构与尺度不一致的纹理响应,并调节一阶和二阶Welsch正则化器的指数和权重。所得非凸问题使用结合余弦续延和基于DCT的二次图像子问题闭式更新的ADMM–IRLS方案进行优化。

**CRediT作者贡献声明**

龙建武:写作–审阅与编辑、监督、方法论。

高清峰:写作–初稿撰写、方法论、概念构思。

**利益冲突声明**

作者声明不存在可能影响本文所报告工作的已知竞争性财务利益或个人关系。

**致谢**

本研究得到重庆市教育委员会人文社科研究项目(项目编号:23SKGH263)和重庆市教育委员会科学技术研究项目(编号:KJQN202201148)的资助。

龙建武 | 高清峰
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号