图像分割是图像理解和识别的前提,作为图像处理的基础环节,一直是图像处理和计算机视觉领域的热点和难点问题。目前,医学成像技术随着计算机技术的发展进步得到了广泛的发展和应用,计算机图像分割技术被广泛应用于医学图像,在病理分析、临床诊断、研究组织结构及人体器官三维重现等方面发挥了巨大的作用。医学图像具有的复杂多样和模糊不均匀等性质使得医学图像精确分割成为一个难题,传统图像分割方法越来越难以满足复杂异质图像分割的要求,限制了相关领域更好更快的发展。近年来发展起来的活动轮廓模型,具有严谨的数学基础、达到亚像素的精度以及高效的数值方案,被广泛应用于各种图像分割问题,在理论和应用方面的研究正方兴未艾,是复杂异质图像分割的有效工具,值得进一步研究。目前,活动轮廓模型还处在发展阶段,存在对初始位置敏感、抗噪性较差、对弱边界不能有效提取等问题,导致对医学图像的分割效果并不理想,其理论和应用有待进一步完善。为此,针对现有活动轮廓模型在图像分割中存在的主要问题,结合图像的全局、局部及边缘信息,提出基于边缘信息的全局-局部拟合活动轮廓模型,并对模型的有效性进行验证。主要研究内容包括：(1)全局-局部信息的融合。基于局部信息的活动轮廓模型对灰度不均匀图像有较好的分割效果,因此,采用LBF模型的局部能量函数定义方法构建模型的能量函数,以利用图像的局部灰度信息,同时,引入一个全局约束函数EGF,以结合图像的全局信息,降低对初始轮廓的敏感性,增强在噪声环境中的分割效果,得到全局-局部拟合的能量函数。(2)边缘引导函数的提出和引入。在图像分割中加入图像的边界梯度信息,能保持曲线演化中较好的边缘特征,加强对弱边界的提取,因此,提出一个改进的边缘引导函数,并引入到模型的能量函数中,以将图像区域信息和边缘信息相结合,得到基于边缘信息的全局-局部拟合能量函数。(3)偏差校正。采用变分水平集方法来最小化能量函数,为保证水平集演化稳定、有效、快速地进行,引用距离正则化水平集演化(DRLSE)方法。此方法是在模型中引入一个距离正则项Rp(φ),在校正模型与符号距离函数偏差的同时,能保证水平集在演化过程中较好的符号距离特性,从而无需重新初始化,并保证计算的精度和曲线演化的稳定性,与传统方法相比更加容易实现。(4)有机结合(1)、(2)、(3)几个方面,设计完整基于边缘信息的全局-局部拟合活动轮廓模型,最小化其能量函数,最终得到目标轮廓。采用Matlab仿真软件进行仿真实验,实验结果表明,与PC模型、LBF模型和LIF模型对比,本文模型在分割性能上有明显提高,在噪声环境中处理灰度不均匀目标能得到较好的分割效果,曲线演化的精度和速率得到一定的提高,并对初始位置敏感问题有明显改善。本文模型数值计算稳定,对复杂异质图像如医学图像具有良好的分割效果。