Mumford-Shah模型是图像恢复和图像分类中非常流行的变体模型。 为简化起见,分段常数Mumford-Shah模型非常有用,并且在最近的二十年中进行了广泛的研究。 关于Mumford-Shah模型的一个有趣的话题是如何选择权重参数进行实施。 本文旨在讨论和分析分段常数Mumford-Shah模型的权重参数选择与删除/保留包括噪声在内的小结构之间的关系。 主要贡献是:(1)为正则项的权重参数提供了必要条件,以消除背景中的小结构。 事实证明,在分段恒定的Mumford-Shah模型中,是否可以从背景中删除一个小结构取决于两个方面:较小结构的面积与周长之比和其他类别的强度。 (2)提供了一个决策策略,如果一个小结构不属于背景,则将其分类为该类; (3)建立了平衡的Mumford-Shah模型,利用该模型可以根据先验知识或用户的目的来选择比例尺测量值(保真度项的权重)。 由Elsevier BV发布