无监督的MRI脑图像分割的一个挑战是中央灰质,这是由于与周围白质形成微弱的对比所致。 在本文中,解决了监督图像分割的必要性,并介绍了一个软Mumford-Shah模型。 然后,建立了基于软Mumford-Shah模型的半监督图像分割框架。本文的主要贡献在于利用贝叶斯原理和软图像分割原理开发了半监督软图像分割框架。 开发的框架使用半监督和交互方式对像素进行分类,其中像素的类别不仅取决于其特征,还取决于距已知区域的距离。 开发的半监督软分割模型原来是无监督软Mumford-Shah模型的扩展。 然后将该框架应用于MRI脑图像分割。 实验结果表明,开发的框架优于无监督分割的最新技术。 新方法可以根据需要进行细分。