● 摘要
图像分割作为图像分析和图像理解的重要基础，其分割效果直接影响后续的图像处理结果。主动轮廓模型可将图像分割转化为寻求能量泛函最小化的过程，是图像分割方法研究的热点之一。
本文研究基本的主动轮廓模型，深入分析各个模型的特点及应用范围，在此基础上，将传统的主动轮廓模型与新的理论方法有机结合，得到新的图像分割方法，主要工作包括：
(1) 论述图像分割的基本概念、意义和现有图像分割方法，重点论述基于主动轮廓模型的图像分割方法原理和过程，结合其实现过程中参数的不同，分类讨论了主动轮廓模型实现的数学基础水平集。
(2) 针对GAC模型的不足，使用灰色关联分析理论里的灰色关联度代替传统的以图像梯度信息所构建的边缘函数，提出了一种基于灰色关联的测地线活动轮廓模型分割方法。与传统的梯度信息相比，灰色关联度能够更好的表达模糊边缘信息，使轮廓模型快速收敛。实验结果表明，基于灰色关联的测地线活动轮廓模型分割方法的分割效果优于传统的GAC模型分割方法和LBF模型分割方法。
(3) 深入分析基本的C-V模型原理和特点，将灰色关联信息作为图像边缘信息引入该模型中，提出一种基于灰色关联的C-V模型分割方法。该方法将C-V模型中的全局信息项作为约束项，以灰色关联度作为边缘信息，改善边界模糊的图像的分割精度。实验结果表明，基于灰色关联的C-V模型分割方法的分割效果优于基于GAC模型的图像分割方法和基本C-V模型的图像分割方法。