1.一种基于全局和局部符号能量型压力驱动的活动轮廓分割模型，其特征在于：步骤1：输入分割图像，设置初始化参数：权重系数μ和ν，最大迭代次数，局部窗口大小k和均方差σ；

步骤2：初始化水平集函数φ：

其中x为图像域Ω中的像素点，Ωb为图像域Ω内闭合子集，ρ为正常数；

步骤3：计算全局数据项和局部数据项权重wg和wl，其表达式如下：其中，σg和σl分别表示输入图像的全局和局部区域方差，其定义如下：其中，I(x)表示图像域，mg表示整个图像的灰度均值；Ωx表示以像素点x为中心，r为半径的局部图像区域，Nl表示Ωx内的像素个数，ml表示Ωx内的灰度均值；

步骤4：计算全局和局部灰度均值：

4.1)计算全局灰度均值c1和c2，其表达式如下：其中，φ(x)为水平集函数，c1和c2分别表示演化曲线内部和外部图像区域的灰度均值；

4.2)假设x是图像域Ω中的一点，点y是以x为中心半径为r的局部图像区域Ωx，Ω1表示Ωx与演化曲线内部Cin图像区域的交集，Ω2表示Ωx与演化曲线外部Cout图像区域的交集，局部区域Ωx的灰度均值m1和m2表达式如下：其中，φ(y)为水平集函数，m1和m2分别表示Ω1和Ω2图像区域的灰度均值；

步骤5：计算全局能量函数 和

步骤6：计算局部能量函数 和 其表达式如下：其中，κσ(·)是尺度参数为σ的高斯核函数，H(·)为Heaviside函数；

步骤7：更新水平集函数，其表达式如下：

其中，wg和wl为全局数据项和局部数据项的权重， 是水平集函数φ的梯度，t为曲线演化的时间，div为求函数的散度，max()表示求矩阵的最大值，上式第一项和第二项分别为正则项和惩罚项；

步骤8：重复步骤:4-7直至循环结束。