基于多相Mumford-Shah模型最小图分割的视乳头杯盘分割*

为了有效地解决血管遮挡、噪声污染、光照不均、对比度小以及个体间差异大等视乳头图像分割中固有 的难题,提出采用基于图论的多相分段常数水平集ＭｕｍｆｏｒｄＳｈａｈ图像分割模型及其相应的图分割最优化方法。实验表明,该方法能够比经典的多相分段常数水平集ＭｕｍｆｏｒｄＳｈａｈ模型更快更精准地分割青光眼病人视乳头图像中的视杯和视盘形态。     

基于知识的多层Mumford-Shah向量值图像分割模型

针对多层Mumford-Shah模型不能正确分割对比度小且部分被遮挡的复杂医学图像问题, 将目标形状先验知识窄带水平集统计形状模型集成到多层Mumford-Shah模型, 提出了基于目标形状先验知识的多层Mumford-Shah向量值图像分割模型和求解该图像分割模型泛函最小值的水平集逐层迭代算法. 实验结果表明, 该方法能够有效分割对比度小且部分被血管遮挡的早期青光眼病人视乳头图像.