1.一种基于全局与局部拟合能量的模糊区域型活动轮廓分割模型，其特征在于：该模型能量泛函由全局数据项和模糊拟合项构成，全局数据项EG定义如下：EG(u,g)＝λ1∫Ω[u(x)]mg(I(x)-c1)2dx+λ2∫Ω[1-u(x)]mg(I(x)-c2)2dx其中，λ1和λ2是大于0的权重系数，c1和c2是图像像素均值，u(x)是模糊成员函数，m是权重幂指数，I(x)是输入图像，g是边缘检测算子，其算子定义如下：其中，为输入图像I(x)的输入算子，Gσ是标准方差为σ的高斯核函数；

在模糊拟合项中，首先构建局部模糊拟合图像和全局模糊拟合图像，全局模糊拟合图像(GFFI)定义如下：IGFFI(x)＝[u(x)]mc1+[1-u(x)]mc2其中，x为像素点，I(x)为图像域，c1和c2为两个全局区域的灰度均值，其表达式如下：u(x)∈[0,1]为伪水平集函数，又称隶属度函数，其定义：其中C为图像域Ω内闭合曲线。

局部模糊拟合图像(LFFI)定义如下：

ILFFI(x)＝[u(x)]mf1+[1-u(x)]mf2其中，f1和f2为局部区域像素平均灰度值；图像中任一像素x的局部区域平均灰度值，是指以该像素为中心的矩形区域(2k+1)×(2k+1)，k为正整数，内的两区域(目标和背景)的灰度均值。假设y是独立于x的局部图像域Ωx的像素点，其函数f1和f2定义如下：其中，ωk(x)是标准方差为σ的高斯函数；

基于局部模糊拟合图像和全局模糊拟合图像，模糊拟合项EF(u,g)定义如下：EF(u,g)＝α1∫Ωg|I(x)-ILFFI(x)|dx+α2∫Ωg|I(x)-IGFFI(x)|dx其中，α1和α2是大于0的权重系数，|·|为L1范式；

因此，分割模型的能量函数表达式如下：

E(u,g)＝λ1∫Ω[u(x)]mg(I(x)-c1)2dx+λ2∫Ω[1-u(x)]mg(I(x)-c2)2dx +α1∫Ωg|I(x)-ILFFI(x)|dx+α2∫Ωg|I(x)-IGFFI(x)|dx假设P是为图像中某一像素点，对应的灰度值为I0和隶属度为u0；相应地，对同一固定点P的新隶属度为un，具体实施步骤包括如下：(1)输入分割图像，设置初始化参数：权重系数λ1,λ2,α1和α2，最大迭代次数，边缘检测算子矩阵g；

(2)初始化水平集函数：目标区域u0(x)＞0.5，背景区域u0(x)＜0.5；

(3)计算图像的灰度均值c1和c2，像素的平均灰度均值f1和f2，以及两个拟合图像矩阵ILFFI(x)和IGFFI(x)；

其中，I(x)为整个图像域Ω中的输入图像，ωk(x)是标准方差为σ的(2k+1)×(2k+1)矩形区域高斯函数，t1＝∑Ω[u(x)]m和t2＝∑Ω[1-u(x)]m；

(4)计算整个图像域中的模糊拟合项EF(u,g)：EF(u,g)＝α1∑Ωg|I(x)-ILFFI(x)|+α2∑Ωg|I(x)-IGFFI(x)|(5)更新如下参数：隶属度函数un(x)，图像的灰度均值 和 像素的平均灰度均值和 以及两个拟合图像矩阵 和(6)计算更新后的模糊拟合能量：

(7)计算整个图像域中的能量变化值；

如果ΔE＞0，用un值代替u0，否则保持u0原始值不变；

(8)采用高斯滤波函数对伪水平集函数进行光滑和规则化：un(x)＝un(x)*Kξ，其中ξ为标准差，本发明设置ξ＝1.5；

(9)重复步骤(3)-(8)直至循环结束。