李 钢，李海芳，尚方信，郭 浩

(太原理工大学 计算机科学与技术学院,太原 030024)

0 引言

图像分割在计算机视觉处理技术中占据重要位置，是图像处理和分析的关键步骤。基于水平集方法的活动轮廓模型被成功应用于在图像分割领域，并取得了长足的发展，但噪声图像和弱边界的分割问题，仍然具有挑战性。

根据理论基础不同，活动轮廓模型一般分为基于边缘的活动轮廓模型和基于区域的活动轮廓模型。以活动测地线模型[1-5]为代表的基于边缘的活动轮廓模型使用图像梯度信息来引导活动轮廓向期望的目标边界运动，但该方法对图像噪声较为敏感，容易出现分割失败的现象。基于区域的活动轮廓模型使用活动轮廓内外的图像统计信息的差异来引导分割曲线的演化，因而可以处理噪声图像和弱边界图像；该类方法可进一步分为基于全局的活动轮廓模型和基于局部的活动轮廓模型。

全局二值拟合(Chan-Vese model, CV)模型[6]是最为著名的全局活动轮廓模型，它使用分段常数函数拟合待分割图像灰度信息，供模型提取目标边缘。该方法对活动轮廓的初始位置具有鲁棒性，但在处理低对比度、灰度不均匀、光照不均匀或噪声图像时，分段函数无法准确拟合图像，从而导致误分割。Li等[7]提出的局部二值拟合(Local Binary Fitting, LBF)模型和局部图像拟合(Local Image Fitting, LIF)模型[8]利用图像局部灰度信息，可较准确地分割灰度不均匀图像，但上述模型对活动轮廓初始位置较为敏感，在水平集演化过程中容易陷入局部极小值，并且无法准确分割噪声图像。……