图像分割是图像处理和计算机视觉领域的一项基础性工作,主要目的是从图像中提取出感兴趣的目标或区域以便分析和识别。医学图像的分割是指从医疗设备采集的医学影像中提取出特定组织器官或病灶的边缘,用于辅助医生诊断疾病,制定治疗方案以及手术导航等。设备的成像技术原理、参数的设置以及成像过程中人体器官的运动等都会对采集到的医学图像质量产生影响。因此,对于同一解剖结构,不同模态的医学图像都会有所差别。即使同一模态,在不同时间采集到的图像也可能不同。而且,医学图像中存在的灰度不均匀、伪影、噪声等问题,容易导致目标轮廓模糊不清,这些都为医学图像局部目标的分割增加了难度。主动轮廓模型是一种基于曲线形变的图像分割方法,闭合曲线的演化由最小化描述曲线的能量泛函而导出的速度函数来控制。本文开展了基于主动轮廓模型的图像分割方法的研究,并将提出的模型应用于灰度不均匀医学图像的分割。本文的主要工作包括以下几个方面。(1)基于局部符号压力函数的主动轮廓分割模型研究针对灰度不均匀图像的选择性分割问题,提出一种改进的基于局部符号压力函数的分割模型。该模型利用曲线上像素点的局部符号压力函数设计演化速度函数的局部项,并采用局部邻域的同质性系数进行加权。当曲线位于图像的局部灰度均匀区域时,局部符号压力函数为0,则局部速度函数项为0。为了防止此时曲线停止演化,引入自适应加权的全局速度函数项来驱动曲线的演化。在灰度不均匀合成图像和医学图像上的实验结果证明了该模型能够根据初始轮廓自适应地实现全局或局部目标分割。(2)基于显著图和可变宽度窄带的主动轮廓分割模型研究采用主动轮廓模型进行图像分割时,需要给定一个闭合的曲线作为初始轮廓,初始轮廓的位置和大小都会对分割结果产生影响。为了减少人为给定初始轮廓的主观性,利用显著性检测和自适应阈值法提取出靠近目标的初始轮廓。然后,根据图像的局部均值和方差构建一种可变宽度的窄带,并设计一种简化的基于局部信息的速度函数控制曲线在窄带范围内演化。实验表明基于显著图和可变宽度窄带的主动轮廓模型可以较好地实现图像的自动分割,并在一定程度上提高了运行效率。而且,该模型可以通过增加一个包围盒限定初始轮廓的提取范围,实现局部目标分割。(3)基于平均模糊能量和对比度约束的主动轮廓局部分割模型研究为了实现鲁棒的局部分割,将模糊隶属度函数引入主动轮廓模型的能量函数中,定义了一种平均模糊能量函数形式,并且在曲线的演化过程中引入一个对比度约束条件,辅助判断曲线上像素点是否到达边缘。合成图像和医学图像上的实验结果表明,基于平均模糊能量的主动轮廓模型具有较强的局部分割能力,对比度约束条件可有效防止曲线因陷入局部极小值而停止演化。平均模糊能量函数可以分为加权平均和算术平均两种形式,将加权平均与算术平均模糊能量函数进行线性组合,并采用自适应的对比度约束阈值,可得到基于平均模糊能量的主动轮廓局部分割模型的推广形式。实验结果表明,对于背景复杂和灰度不均匀的医学图像,算术平均能量项的引入增加了分割模型的不稳定性,在分割精度上没有明显改善,但局部分割能力有所提高,扩展了只有加权平均模糊能量主动轮廓模型的应用范围。(4)基于图割和局部统计信息的主动轮廓局部分割模型研究为了提高主动轮廓局部分割模型的运行效率,利用图割代替梯度下降流实现能量函数的最小化,提出一种改进的基于图割的主动轮廓模型。在迭代过程中,根据演化曲线以及预先设定的外边界构建动态的窄带,将窄带内的像素点映射为网络图中的节点。利用局部邻域的灰度均值和Kullback-Leibler距离为图的n-links和t-links赋予权值,然后使用最大流/最小割算法对图进行切割,从而实现窄带内的图像分割。灰度不均匀合成图像和医学图像上的实验结果表明提出的模型能够充分利用图像的局部特征,更高效地实现图像的局部分割。本论文的创新点主要体现在以下几个方面。(1)为了减少人为给定初始轮廓的主观性,提出一种改进的基于显著图和阈值法的初始轮廓自动提取方法,设计的可变宽度窄带以及简化的速度函数有效提高了主动轮廓分割模型的运行效率。(2)将模糊隶属度函数引入主动轮廓模型的能量函数中,提出一种基于平均模糊能量函数和对比度约束的主动轮廓局部分割模型,定义了自适应的对比度约束阂值形式,有效地防止曲线陷入局部极小值,提高了分割模型的鲁棒性。(3)为了提高主动轮廓分割模型的运行效率,提出一种改进的基于图割的主动轮廓局部分割模型,利用局部区域的统计信息对窄带网络图中的边进行加权,更有利于灰度不均匀图像的特征提取,实现高效准确的局部分割。