基于能量泛函的图像分割方法

最近研究计算机视觉中传统的图像分割算法，做一个基于能量泛函的图像分割的总结。本文是基于Mumford, David Bryant和 Jayant Shah的文章《Optimal Approximations by Piecewise Smooth Functions and Associated Variational Problems》。链接如下：

简介

在计算机视觉中，基本问题是适当地分解区域 $R$ 上的两个变量的函数 $g(x,y)$，即图像分割。图像 $g(x,y)$ 能很好的用一个平滑的定义在覆盖整个区域 $R$ 的不相交的区域 $R_i$ 集合上的函数 $f_i$ 的集合 来拟合模拟。

然而，这个模型并不能精确：（i）纹理物体，如地毯或碎片物体，如树冠，定义了更复杂的图像; （ii）由于半影，阴影不是真正的不连续性; （iii）表面标记有各种误导形式; （iv）部分透明物体（例如液体）及反射物体会带来进一步的复杂情况; （v） $g(x,y)$ 的测量总是产生一个有损坏的，有噪声的近似。尽管如此，分段平滑模型在某些尺度和某种近似值上都是可用的。
图像分割的定义是计算图像 $g$ 的区域 R 的分解：
$R=R_1\cup R_2\cup ...$