摘要：主动轮廓模型(Active Contour Model,ACM)已成为最常用的图像分割工具之一,但在处理灰度不均匀的图像时,现有的算法比较耗时而且会导致分割精度急剧下降。为此,本文结合局部图像信息,提出了一种统计范数用于图像分割。首先,利用新的偏置场模型来建模图像,将图像的灰度不均匀性分解为观测图像的一个分量。与传统的乘性偏置场相比,加性偏置场模块使能量泛函能够从新的维度提取图像的纹理信息。其次,采用局部信息融合的策略,计算轮廓内外的特征拟合图。最后,利用统计范数刻画特征拟合图与原始特征图的相似度。因此,新设计的能量泛函通过利用分层局部特征、全局空间一致性和多尺度抽象表示等来处理具有复杂背景的图像。实验结果表明:分割非同质医学图像,本文模型仅仅需要迭代50次,其他模型均在100次以上;算法运行时间仅仅需要8 s,但其余模型远远高于8 s。同时,采用客观评价指标评价所提出的算法:DC指标的平均值是0.9851,FP指标的平均值是0.0052,JCS指标的平均值是0.9706,P指标的平均值是0.9947,TP指标的平均值是0.9757。本文模型能够提取更多的纹理结构信息,并且对灰度不均匀和初始轮廓具有较强的鲁棒性。