赵 怡，邓红霞，张 玲，李 钢

(太原理工大学 计算机科学与技术学院，山西 太原 030024)

0 引 言

活动轮廓模型自Kass等提出以来，便成为了图像分割领域内的研究热点[1]，其中Chan和Vese提出的基于图像全局信息的C-V模型是最为广为研究和应用的[2,3]，它可以较好地分割边缘对比度低的图像，演化曲线收敛速度快，对初始曲线的位置也不敏感，但在分割灰度不均匀的图像时，效果不理想。Li提出基于图像局部信息的局部二值拟合模型(local binary fitting，LBF)模型，克服了C-V模型分割灰度不均匀图像的不足[4]，但其算法复杂度较高，对初始位置敏感，同时易陷入局部极小值。针对LBF模型计算复杂度高的问题，Zhang等提出了局部图像拟合(local image fitting，LIF)模型，有效减小了运算量，同时保持了对灰度不均匀图像和噪声图像的分割精度[5]，但仍然存在对初始轮廓敏感和误分割问题。为了全面地考虑图像的灰度信息获得更优的分割结果，融合图像全局信息和局部信息的模型被相继提出[6,7]，比较著名的是LGIF模型[8]，但是LGIF不能自动选择权重参数。在实现时，通常都是人为设定的粗略参数，需耗费大量的时间和精力调整，且没有量化的选取标准。在曲线演化过程中，也不能根据图像的灰度情况进行实时调整，而权重参数的选择会直接影响演化曲线的分割速度和准确率。

针对以上问题，本文提出一种基于最大类间方差的权重参数自动调节模型。首先将最大类间方差的思想引入传统LIF模型，综合考虑目标和背景两类间的差异来有效减少误分割，提高了分割准确度。……