杨艳丹，韩雪松，韩应征，庞冬冬，杜军慧

(1.太原理工大学信息工程学院，山西 太原 030024;2.中石化山西分公司，山西 太原 030024)

责任编辑:时 雯

为了使得数据形式能够适合计算机处理，在绝对大部分的图像分析中，必须把单个目标从图像中分离出来，形成目标与背景分离，这种处理方式即为图像分割，图像分割就是根据规定的准则把给定的图像分成具有不同特性的图像部分，图像分割的算法往往是根据规定的准则，图像内部灰度颜色纹理等特点目标与背景的不同来预先建立［1－2］。

在很多的图像分析应用的领域如遥感测量、医学成像、安全管制、军事目标检测都需要用到图像分割技术，图像分割技术越来越重要。在实际的图像分析应用中，当所需目标被分开时，分割就可以停止了，运用自动的图像分割算法去判别图像分割停止是很困难的［3］。况且在实际中，许多图像不是理想的图像，大部分图像是带有噪声的图像，且有些图像的灰度具有不均匀、分辨率差等缺点，这使得自动图像分割技术的实现遇到很多困难。近年来，主动轮廓模型在图像分割方面逐渐受到人们重视［4］。

随着主动轮廓模型的提出，使得在图像分割中得到的具有不同特性的子区域都有自己完整的边界，而现如今的各种算法，在处理图像时所得到的边界大部分都是断断续续的，很难形成一个完整的边界，所以这是使用主动轮廓模型最大的好处［5］。同时，在应用方面，由于与水平集理论的结合，主动轮廓模型的使用更加广泛。……