Une autre solution consiste à coupler la classification avec la restauration, en reprenant l'approche présentée dans la section précédente 2.4. L'idée est de lisser beaucoup plus fortement l'image, puis de la classifier sans aucune régularisation. En effet, si l'on enlève le terme de régularisation de l'équation (2.36), cela revient à définir 
comme étant l'ensemble des pixels qui sont plus proches de 
que des autres valeurs prédéfinies. En d'autres termes, les pixels sont assignés aux sous-domaines représentant leur classe la plus proche.
Au lieu de choisir
ou 
pour le problème perturbé (équation (2.29)), nous choisissons de définir 
avec
L'algorithme est alors le suivant:
ainsi obtenue, en assignant par exemple chaque pixel à sa classe la plus proche.
Comme précédemment, la complexité de l'algorithme est en
, et les résultats numériques présentés dans [25] comparent l'efficacité relative des différentes approches proposées. De plus, comme cela est présenté, en jouant sur le paramètre 
, il est possible de régulariser plus ou moins la solution obtenue, et cela permet également d'obtenir de très bons résultats sur des images bruitées.
