1.一种基于权重全局和局部拟合能量的模糊区域性活动轮廓模型，其特征在于：该模fr型的能量泛函由模糊区域型能量和边界能量构成；模糊区域型能量F 定义如下：fr m 2 m 2

F (u,g)＝λ1∫Ω[u(x)]g(I(x)‑(αfo+βc1)) dx+λ2∫Ω[1‑u(x)]g(I(x)‑(αfb+βc2))dx其中，λ1、λ2是大于0的权重系数，I(x)为输入图像， 是边缘算子，c1和c2是图像像素均值，fo和fb分别表示为局部区域Ωx中内部区域和外部区域的灰度均值，u(x)是模糊成员函数，m是权重幂指数，m取值为1或2，α和β为大于0的数，且满足α+β＝1，是边缘算子，梯度算子，Gσ是标准差为σ的高斯核函数，图像灰度值c1和c2定义如下：

fo和fb定义如下：

其中，像素y∈Ωx是以像素x为圆心的局部区域；通过给各像素构建局部空间权重ω(x,y)：dis(x,y)表示像素x和像素y之间的距离，两常量fo和fb重写为：模糊区域型能量泛函的计算过程：对于整个图像域中的任一像素x，隶属度函数u(x)更新前后分别为u0(x)和un(x)，即有u0(x)＝∑Ωu0和un(x)＝∑Ωun；因此，在整个图像域中的能量泛函的变化值ΔF(x)表达如下：边界能量定义如下：

其中，是哈密顿算子， 是 的梯度，l1和l2是大于0的系数，第一项是规则项，第二项是惩罚项；通过计算边界能量的导数，可得到：其中， 为Dirac delta函数，div为散度；

具体实施步骤如下：

(1)输入分割图像，设置初始化参数：权重系数λ1、λ2、α、β、l1和l2，最大迭代次数，局部矩形窗的半径，边缘检测算子g；

(2)初始化水平集函数：目标区域u0(x)＝0.7，背景区域u0(x)＝0.3；

(3)计算图像的灰度值c1和c2、像素值fo和fb：(4)参数更新：隶属度函数u(x)，对应的新灰度值 和 新像素平均灰度值 和(5)根据如下公式计算模糊区域能量的变化差值：m m m m

其中，t1＝∑Ω[u(x)] ， t2＝∑Ω[1‑u(x)] ，Δu2＝(1‑un)‑(1‑u0) ，*是卷积运算；

如果ΔF(x)＜0，用un(x)值代替u0(x)，否则保持u0(x)原始值不变；

(6)基于边界能量，规则化伪水平集函数；

(7)重复步骤(4)‑(6)直至循环结束。