本文在活动轮廓模型的基础上引入了图像的显著性分析,提出了一种基于显著性分析的初始活动轮廓方法。由于活动轮廓模型中初始轮廓的选取在整个演化过程中的作用是重要的的,尤其是在图像的背景较为复杂的情况下,往往导致不同的初始位置在演化中所需要的时间及最后的效果大不相同。这样我们就考虑能够将活动轮廓的初始化轮廓选取在接近目标物体的周围。在时间上来说,如果初始轮廓能从靠近目标物体的周围进行演化,它所耗费计算的时间也会有所减少;同时,对于图像背景较为复杂的情况,背景信息对于演化结果的干扰也会得到降低。这样,我们就在引入了目标物体的显著图,通过Otsu阈值分割方法,来定位目标在整幅图像中的大致位置,以此得到演化模型的初始轮廓。同时我们针对水平集方法在活动轮廓模型的计算过程中需要重新初始化水平集函数为符号距离函数,对经典C-V模型进行改进,提出了无需重新初始化的C-V模型;并结合我们提出的基于显著性的初始轮廓方法,进行时数值试验分析。