1、圖像分割是圖像處理的基礎(chǔ)，它是將圖像中具有某些獨(dú)特特征的區(qū)域從整體圖像中劃分出來(lái)的過(guò)程。幾何活動(dòng)輪廓模型利用了圖像底層特征，并有數(shù)學(xué)基本理論來(lái)支持求解，因此成為了圖像分割的研究熱點(diǎn)。而基于區(qū)域的幾何活動(dòng)輪廓模型因其收斂速度快、分割效率高、魯棒性好等優(yōu)點(diǎn)，成為近幾年的研究重點(diǎn)。
　　本研究針對(duì)CV模型不能分割灰度不均的圖像、LBF模型對(duì)曲線初始位置設(shè)置比較敏感、LGIF模型對(duì)局部與全局信息的權(quán)重選擇繁瑣、前人改進(jìn)的LGIF模型分割計(jì)

2、算復(fù)雜等問(wèn)題，提出了一種基于局部與全局信息的自適應(yīng)擬合活動(dòng)輪廓模型，分別在CV模型能量項(xiàng)和LBF模型能量項(xiàng)中引入圖像的均值和方差信息，并將兩個(gè)模型的能量泛函相加，組成改進(jìn)的LGIF模型。為了優(yōu)化改進(jìn)模型的性能，先在其中引入自適應(yīng)擬合系數(shù)。改進(jìn)模型會(huì)根據(jù)分割圖像的灰度均勻性，動(dòng)態(tài)調(diào)整局部區(qū)域信息與全局區(qū)域信息所占的權(quán)重，加快曲線演化速度，準(zhǔn)確分割出圖像的目標(biāo)區(qū)域。然后本文在改進(jìn)模型中引入了Wolfe-Armijo混合線搜索方法。在進(jìn)行迭代