张柏毅，朱景福

（黑龙江八一农垦大学信息技术学院，大庆163319）

近年来，我国已经进入实现农业现代化与自动化关键阶段，而玉米又是我国的主要粮食作物之一，仅次于水稻与小麦，所以利用图像处理和识别技术来实现玉米叶部病斑识别对玉米作物病害治理起到了推进作用。然而对图像的准确分割决定着对后期图像识别工作的质量，所以对玉米叶部病斑图像的分割成为了实现玉米叶部病斑识别的重点，由于玉米叶部病斑部位与背景区域有着明显的区别，因此可以采用基于LXF模型水平集图像分割的方法进行对玉米叶部病斑图像的处理。

在1988年，Sethian和Osher提出了水平集算法（Level Set）[1]，该算法在近几十年被许多专家运用和改进并加以推广。简单地说来，它是把低维的一些计算上升到更高一维计算的一种方法，相当于把N维的扩展到N＋1维的一个水平[2]，并且运用符号距离函数来规范在演化过程中水平集函数的变化。在研究该算法过程中，许多专家学者提出了很多方法来达到水平集的重新初始化的目的[3]。但是大多数方法都是利用水平集函数迭代的过程来对一个偏微分方程求解来实现水平集的重新初始化，因此产生了大量的计算。为解决该问题，Chan和Vese将Mumford-Shah函数[4-5]引入了水平集算法当中而且通过改进成为了一种可以变分的水平集算法（Chan-Vese算法）[6]，这种方法实现了对影像进行分段线性的影像分割，它将影像分割转化为影像的优化问题，影像的边缘部分可以不像以往的水平集再用梯度值来代表描述，可以利用使能量最小化的函数来得到影像中最优的分段线性值，相对零水平集的曲线就可以停止在影像的突出边缘上，但是曲线的演化速度上并没有明显的优势。……