全文总字数：538字

1. 研究目的与意义

图像分割：在图像的研究应用中，人们往往对图像中一些特定的具有特殊性质的区域，称之为目标或前景，其它部分称为背景，为了识别和分析目标，需要把目标从一幅图像中孤立出来，这就是图像分割的目的与意义。

CV模型：是Chan 和Vese 提出的一个著名的几何活动轮廓模型。该模型基于Mumford-Shah 泛函，其能量泛函由演化曲线长度、演化曲线所围面积和二值拟合项三部分组成。利用C-V模型进行图像分割的实质是用二值PC（piecewise constant）函数（目标区域取一个值，背景区域取另一个值）逼近来分割图像。用来分割梯度或是非梯度图像，相较于传统轮廓模型有更广的适用范围。

2. 国内外研究现状分析

国内：：无边活动轮廓(CV)模型已广泛应用于图像分割领域，特别是用于分割不以梯度定义的图像。然而，模型存在对噪声敏感，无法分割深度图像等缺点。针对提高去噪性能和加快收敛性，将各向异性扩散融人到CV模型，同时引入无需重新初始化项。得到一种新的图像分割方法。采用Matlab平台进行仿真实验，结果表明，模型具有较强的抗噪能力，能很好地分割灰度变化不均匀及背景复杂图像，而且能有效地分割CV无法处理的深度图像。

国外：针对CV模型对量值图像（如RGB或多光谱）的检测并不敏感的特性，提出一个扩展模型，它最大程度的减少mumford-shah函数在等高线的长度，和矢量图像的每个组成部分的总和拟合误差。它不仅可以具有CV模型的功能，还有完全检测有着不同频率的图像（如闭塞曲线），另外它也可以检测彩色图像中每个通道或亮度不同的对象。最后该模型的抗噪性亦较好。

3. 研究的基本内容与计划

一、研究内容

1、cv模型的原理（以及数学表达式的作用）；

2、cv模型matlab程序的编写；

4. 研究创新点

（1）检测有梯度或无梯度定义的边缘，如不连续边缘的检测；

（2）可以自动检测图像的内外轮廓；

（3）初始曲线可置于图像任意位置；