罗 琴，王 艳

（重庆师范大学数学科学学院，重庆 401331）

0 引言

准确分割图像是图像处理的一项重要的任务。到目前为止，图像分割的一个主要挑战是对含噪声、灰度不均的复杂图像进行分割。

几何活动轮廓模型可分两大类：基于边缘的模型［1-2］和基于区域的模型［3-10］。前者通常利用图像的梯度信息来吸引活动轮廓接近图像目标边界，进而提取出来；后者是利用演化轮廓内外的区域信息来控制轮廓的运动。其中，分片常值（Piecewise Constant，PC）模型（常被称为C-V 模型）［11］和区域可变灰度拟合（Region-Scalable Fitting，RSF）模型［12］是最具代表性的。在实际应用中，这两类模型各有优点和不足的地方。

将目标和背景的灰度假设为常值的C-V 模型是基于区域的全局活动轮廓模型，由于对全局均值的过度依赖，当分割灰度不均图像时，这种假设会导致模型在分割灰度不均图像时出现演化曲线的错误分割。近些年，很多研究者从不同方向对C-V 模型进行拓展或改进［13-14］，例如，Zhang 等［15］提出一个选择性局部或全局分割（Selective Local or Global Segmentation，SLGS）模型，在C-V 模型的基础上大幅提高了分割速度；但由于依赖图像的全局信息，故对灰度不均图像的分割效果不理想；Li 等［12］提出的基于图像局部区域的可变灰度拟合的RSF 模型，克服了C-V 模型在灰度不均图像分割中的不足，但从分割结果中可以看出，过度依赖图像的局部信息使得它对初始化轮廓和噪声较敏感。为了有效地解决RSF模型对初始轮廓敏感的问题，刘瑞娟等［16］提出融合局部图像信息的SLGS（SLGS with Local Information，SLGSLI）模型和张栩源等［17］提……