图像分割是图像处理技术中最基本最关键的步骤,是指在信息丰富的图像中排除其他干扰因素,采用特定方法将期望的目标区域提取出来,为后续图像分析奠定基础。图像分割已广泛融入人类社会各领域,如智慧生活、医学影像以及遥感卫星等。活动轮廓模型因坚实的理论基础和优良的实验效果在众多分割方法中脱颖而出,受到学者的关注和研究。现应用较多的基于全局或局部信息的活动轮廓模型可分割大量图像,但模型各有局限,因此提高分割精度和效率仍是图像分割领域继续努力的方向。混合模型综合了两者优点,能分割严重灰度不均图像并排除噪声干扰,提高了分割精度及效率。基于此,本文提出了结合全局和局部信息的混合活动轮廓模型,主要研究内容如下:1.提出一个结合混合符号压力函数的活动轮廓模型。该模型利用图像的全局和局部信息,根据当前活动轮廓的位置,构造一个符号压力函数。该函数通过自适应权值线性组合一个全局信息项和一个局部信息项,得到图像相对于当前活动轮廓的混合压力,进而构造活动轮廓的演化方程。采用交替迭代算法求解模型,实验结果表明该模型能有效分割各类严重灰度不均图像和噪声图像,获得精准的分割结果。2.提出一种基于拟合图像的混合活动轮廓模型。该模型首先考虑了像素间的关系,更新了拟合中心,利用图像信息定义全局拟合图像和局部拟合图像,通过原始图像与拟合图像间的差异作为约束值构造全局图像能量项和局部图像能量项,线性组合后得到了相对于当前轮廓的演化方程。采用交替迭代算法求解,实验仿真表明,该模型能灵活分割各类图像,对图像细节处理效果好。