1、圖像分割是圖像處理的一個重要組成部分，其目的是希望將圖像中人們想要的目標(biāo)與圖像中的背景分離，以方便后續(xù)的圖像處理工作。傳統(tǒng)的圖像分割由于存在各種缺陷,難以對復(fù)雜圖像的進行分割。以偏微分方程為原理的活動輪廓模型開創(chuàng)了圖像分割的新領(lǐng)域，其基本原理是利用力學(xué)的知識來研究曲線的運動過程，通過計算偏微分方程來提取人們感興趣的目標(biāo)。目前活動輪廓模型一般可分為基于邊緣算法、基于區(qū)域的分割算法，另外還有將兩者融合的算法。本文研究基于測地線活動輪廓模型。

2、
　　本論文的主要創(chuàng)新點有：
　　第一，當(dāng)圖像中出現(xiàn)弱邊緣、強噪聲、拓撲結(jié)構(gòu)變化的凹陷目標(biāo)時，經(jīng)典GAC活動輪廓模型不能準確的將目標(biāo)提取出來，例如醫(yī)學(xué)上的CT(Computed Tomography)圖像、紅外圖像。針對此類問題，利用圖像灰色關(guān)聯(lián)度、類間方差和經(jīng)典GAC(Geodesic Active Contour)模型構(gòu)造新能量函數(shù)，提出基于類間方差的改進 GAC模型，從而增強經(jīng)典 GAC模型的邊界檢測能力，減少分割時間

3、。實驗表明此算法對拓撲結(jié)構(gòu)變化的凹陷圖像、深度凹陷弱邊緣輪廓及含噪聲的圖像分割取得了很好的效果而且時間效率有所提高。仿真實驗表明，分割效果比經(jīng)典測地模型、梯度矢量流模型和 GACV(Geodesic-Aided C-V)模型更準確，而且時間明顯減少。
　　第二，當(dāng)圖像中出現(xiàn)深度凹陷、灰度不均勻和弱邊界的目標(biāo)的時候，傳統(tǒng)的GAC活動輪廓模型無法實現(xiàn)正確分割目標(biāo)邊界，提出基于新能量函數(shù)的改進GAC模型。實驗結(jié)果表明,該模型能夠準確的提