1、圖像分割一直是圖像處理領域存在的一類經典問題，在眾多圖像分割算法中，基于PDE的活動輪廓圖像分割方法結合多方面的知識，以其強大的生命力和創(chuàng)造力吸引了諸多學者的目光，已然成為當下的研究熱點和最流行的圖像分割算法之一。其基本思想是：依照圖像提供的信息構建能量泛函，經由變分和水平集等數學方法將其最小化，從而獲得驅動水平集函數演化的 PDE。已知水平集函數在演化時將帶動嵌在其中的活動輪廓同時向目標邊界移動，則上述PDE的數值解同時也是使用者期待

2、得到的分割結果。此類方法發(fā)展至今，已累計千百種各具特色的模型，其中使用最頻繁，發(fā)展最成熟的模型包括GAC模型、CV模型和RSF模型，之后的模型大多由此三種改進演變而來。
　　本文在分析了上述經典模型的工作原理后，分別進行了仿真實驗，并針對經典模型中存在的不足，結合最新發(fā)表的研究成果提出了一個新模型和一些改進，主要包括：
　　（1）基于CV模型的構建原理，經過對圖像局部紋理結構的深入分析，本文提出一種基于圖像局部結構復雜度的特

3、征描述方法，并進一步構造基于圖像局部結構復雜度的自然圖像分割模型。該特征描述法將復雜的自然圖像轉換為簡單的兩相圖，進而可以通過該模型正確高效地得到期待的分割結果。通過多個模型間的仿真對比實驗不難發(fā)現，本文提出的模型能夠準確快速地從復雜的背景中提取紋理目標，并同時很好地保持目標的整體性。
　　（2）本文對用于解決輪廓初始化問題的水平集演化模型進行了仿真分析，并針對該模型的不足提出了一些改進方法：為了提升模型對噪聲的魯棒性和迭代計算速