图像分割是根据纹理特征、灰度信息、颜色和形状将其分成具有相应特征的区域,然后从中对感兴趣的区域作进一步图像处理,是图像处理过程的重要步骤。在所有分割算法中,水平集算法依靠轮廓曲线动态演化的思想,凭借其自由的拓扑结构、强大的数学基础等优越性能被广泛使用。然而由于受不同复杂场景等影响,图像呈现出不同程度的灰度不均匀性,给分割带来很大挑战。目前,基于水平集方法精确的对灰度不均匀图像进行分割,是当前的一个研究热点。本文主要研究基于水平集方法在灰度不均匀图像上的分割,对于局部二值拟合模型分割存在的缺陷和不足从两个角度提出相应的改进,主要工作如下:(1)针对局部二值拟合分割模型中曲线演化缓慢迭代时间长、弱边缘分割不理想问题,提出基于局部引入全局信息的局部二值拟合能量模型。该方法通过在灰度均匀区域引入局部全局作用力加速轮廓的演化,利用灰度均匀判断函数判断曲线上各点周围区域的灰度分布均匀程度,进而确定局部全局作用力的使用范围,通过计算使其朝着能量最小化方向运动,实现对目标区域快速准确的分割。(2)针对局部二值拟合分割模型中需要人工初始化对初始轮廓位置及大小敏感问题,改进后的引入局部全局信息的局部二值拟合模型并没有克服对初始轮廓敏感的问题,对此提出引入模糊思想的局部二值拟合模型。该方法通过模糊C均值聚类方法对图像进行预处理,选取感兴趣目标,将其目标隶属度值转化为模型所适应的水平集函数初始值,再通过引入局部全局信息的局部二值拟合模型从该初始值进行迭代演化至分割完成,从而达到最终分割目的。最后通过仿真实验,从分割的正确测度、错误测度和分割所用时间三个方面进行对比分析,结果表明本文提出的改进算法较之于局部二值拟合模型分割效果更好。图[20]表[4]参[65]