对于细胞图像提出了新的混合主动轮廓分割模型。该模型能够在成功地分割出主要不同区域的同时探测获取到局部模糊物体边界，适用于分割出细胞核仁和细胞膜。附带程序相关论文。

提出了一种混合多相分割主动轮廓模型,用于精确地分割灰度图像。针对图像去噪和细小边缘的模糊问题,提出多尺度信息增强和各向异性张量扩散结合的方法,并利用快速预分割获得初始轮廓线。在全局项中,用多种局部特征变量重构拉普拉斯能量拟合函数处理大的目标边缘;为了更好地分割拓扑结构复杂的区域,提出了一种分割深度可控的区域分割能量,并构造了计算局部自适应最佳分割阈值的深度系数。在局部项中,采用局部高斯分布拟合处理灰度不均匀区域。模型使用指数函数作为停止速度函数,并加入鲁棒性的曲线演化停止条件,提高了分割效率。新

本文提出了一种基于全局最小化框架和水平集演化的基于区域的主动轮廓模型，用于磁共振图像的分割和去噪。 基于Nadaraya-Watson估计量和局部图像信息的新区域拟合能量被定义为强制曲线演化。 通过这种改进的区域拟合项，可以对具有噪声和强度不均匀性的图像进行分割和去噪。 受Perona-Malik扩散方程的启发，通过对偶公式定义了保边正则项，以惩罚区域边界的长度。 通过这个新的正则化项，边缘信息被用来提高轮廓在演化过程中捕获边缘并保持平滑的能力。 通过避免对梯度下降法无效的高效对偶算法，将所提出

具有主动轮廓和Student-t混合模型的快速而强大的图像分割