[发明专利]一种基于改进L0

权利要求书

1.一种基于改进L₀梯度的织物沾水区域分割方法，其特征在于，包括以下步骤：

步骤1：根据美国纺织化学师与印染师协会标准AATCC22-2005《纺织品拒水性测试喷淋法》进行织物沾水性实验，并获取织物沾水图像；

步骤2：裁剪掉步骤1得到织物沾水图像中的非测试区域，获取织物沾水图像测试区域；

步骤3：对步骤2获得的裁剪好的灰度图像进行均衡化，得到图像S；

步骤4：在步骤3得到的图像S中每个像素点p处，计算像素点p沿x，y方向的梯度，记作x方向与y方向相互垂直；

步骤5：根据最小化L₀梯度和拉普拉斯降维原理，对步骤3得到的图像S迭代求解平滑图像；

步骤6：对步骤5处理过的图像进行图像聚类分割操作，最终得到织物沾水区域的分割图；

步骤5中，根据最小化L₀梯度和拉普拉斯降维原理，对步骤3得到的图像S迭代求解平滑图像的具体步骤如下：

5-1初始化平滑程度控制参数λ∈[0.006～0.010]，迭代次数控制参数κ∈[1.1～1.8]，β＝2λ，迭代次数计数器t＝0，图像S大小为M×N，m∈[1,M]，n∈[1,N]，S^(t)←S；

5-2针对L₀范数子问题，固定S^(t)，求解图像S中像素p处梯度(h_p,v_p)，如下式所示：

5-3固定(h_p,v_p)，求解S^(t)；

5-4把S^(t)中每个像素点p化为CIELab颜色空间的向量形式x_p＝[μ*l_p,a_p,b_p]^T，μ＝0.3～0.6；

5-5计算像素点p邻域内的像素点p_m与p_n的相似度组成相似度矩阵W，像素点p_m与p_n对应像素值分别为和

5-6计算相似度矩阵W中行或列的和，即D_mm＝∑_nW_nm，拉普拉斯矩阵L＝D-W；

5-7把S^(t)化为RGB分量的向量形式计算LS＝λDS的广义特征向量；

解出的特征向量，按照对应的特征值从小到大排列，组成降维后局部灰度平滑的向量形式的图像，再把向量图化为矩阵形式S'；

5-8把步骤5-7中求得的S'代入下式中，为快速傅里叶变换，记为复共轭傅里叶变换，记为δ函数的傅里叶变换，解得S^(t+1)；

5-9β←2β，t++；

5-10重复步骤5-2～5-9，直至β≥10⁵，输出平滑后的近似图像I作为平滑处理后的图像。

2.如权利要求1所述的基于改进L₀梯度的织物沾水区域分割方法，其特征在于，步骤2中，裁剪掉非测试区域，获取织物沾水图像测试区域具体过程如下：

2-1将步骤1的织物沾水图像灰度化；

2-2对步骤2-1中灰度化后的图像采用最大类间方差法二值化；

2-3对步骤2-2中获得的二值化图像进行自适应中值滤波；

2-4采用索贝尔算子检测，获得步骤2-3处理后的图像的边缘；

2-5对经步骤2-4处理过的只含边缘的图像通过霍夫变换检测出圆心和半径；

2-6依据步骤2-5检测出的圆心和半径，针对步骤1获得的图像，裁剪出测试区域。

3.如权利要求1所述的基于改进L₀梯度的织物沾水区域分割方法，其特征在于，λ＝0.007～0.009。

4.如权利要求1所述的基于改进L₀梯度的织物沾水区域分割方法，其特征在于，κ＝1.3～1.6。

5.如权利要求1所述的基于改进L₀梯度的织物沾水区域分割方法，其特征在于，μ＝0.4～0.5。