视网膜视神经疾病(如青光眼、糖尿病视网膜病变、老年性黄斑病等)是由多种原因引起的视网膜及视觉神经组织病变,并最终导致失明。该疾病在世界范围内有较高的发病率,且早期大多无临床征兆,因此早期的诊断十分重要。其中,视(神经)乳头或视盘(optic nerve head, or optic disk)的定位、分割、重建与度量是近三十年来视网膜视神经疾病计算机辅助诊断研究的关键技术难题。由于光照不均、血管遮挡等原因,使得对象轮廓拓扑结构复杂多变,现有的大多数方法的分割结果不能满足临床诊断需要。本文重点论述如何将基于分段常数水平集方法(PCLSM)的Mumford-Shah模型应用于视乳头图像杯盘分割中。该方法的特点是:(1)它能很好地处理多相图像分割问题;(2)只需要一个水平集函数就可以分割多个目标;(3)处理过程不需要人工干预,自动化程度较高。本文首先采用基于PCLSM的Mumford-Shah模型来分割视乳头图像的杯盘,从而得到杯盘形态边缘,但这个边缘存在断裂、凹陷;因此,本文进一步结合青光眼视乳头图像杯、盘的先验知识,剔除断裂、凹陷的边缘,提取视杯和视盘边缘真实的特征点;然后,采用光滑样条曲线拟合技术重建被血管遮挡的视杯和视盘部分边缘;最后本文用拟合好的杯盘边缘来重建视乳头杯盘图像,并根据该重建图像自动地提取杯盘比等具有青光眼辅助诊断重要价值的病理特征参数值。不同时期青光眼病人的视乳头图像杯盘重建、分割与度量实验结果表明,该方法能克服噪声污染、血管遮挡、光照不均匀、对比度小、个体间差异大等视网膜图像分割中固有的困难,并能有效重建、分割与度量早、中、晚期和典型欧洲青光眼彩色视乳头图像中的视杯和视盘。与临床结论以及多层Mumford-Shah模型的分割结果对比研究表明基于分段常数水平集Mumford-Shah模型的视乳头杯盘分割、重建与度量的方法是非常有效的。