崔 强，闵莉花，石又新

1.南京邮电大学 理学院，江苏 南京 210023

2.北方信息控制研究院集团有限公司，江苏 南京 211153

图像分割是利用图像的特征信息将图像划分成多个区域，进而提取出有意义的目标区域。现今，医学图像在医疗诊断过程中具有重要的作用，但是由于光照和成像设备的影响，使得医学图像出现灰度不均匀性，这给医生做出正确的诊断造成了一定的干扰。为了提高医学图像的可读性，使医生可以更有效地观察和诊断，进行有效地医学图像分割具有重要的意义。

图像分割技术经过多年的发展，涌现出了大量的研究成果，学者们提出了各种变分方法［1－6］来进行图像分割，主要有基于边缘的方法和基于区域的方法。基于边缘的方法，是通过利用图像的梯度信息将轮廓移动到目标边界来进行图像分割，例如蛇模型［7］、经典GAC模型［8］和GVF蛇模型［9］。这些模型可以获得较好的分割效果，尤其是对于具有强边界的图像。但是，其分割结果对噪声和初始轮廓线比较敏感。基于区域的方法旨在通过在每个区域中使用全局图像信息进行分割。它们对于初始轮廓具有鲁棒性，并且对强噪声和弱边界的图像可以获得更好的分割效果。然而，大多数基于区域的模型都假设图像灰度均匀，因此无法很好地分割不均匀图像，例如经典CV模型［10］、Mumford-Shah模型［11］及其称为Cai模型的凸变分模型［12］。

在过去的几年中，利用局部灰度信息的方法［13－18］得到广泛发展，并且能有效地提高图像的分割精度。……