アクティブ輪郭モデル（Active Contour Model、ACM）は最も一般的に使用される画像分割ツールの一つとなっていますが、グレースケールが不均一な画像を処理する際、既存のアルゴリズムは比較的時間がかかり、分割精度が急激に低下する問題があります。そこで、本研究では局所画像情報を組み合わせて、画像分割に用いる統計的ノルムを提案します。まず、新しいバイアス場モデルを用いて画像をモデリングし、画像のグレースケール不均一性を観測画像の一成分として分解します。従来の乗法バイアス場と比較して、加法バイアス場モジュールはエネルギー汎関数が新たな次元から画像のテクスチャ情報を抽出できるようにします。次に、局所情報融合の戦略を採用し、輪郭の内外の特徴適合マップを算出します。最後に、統計的ノルムを用いて特徴適合マップと元の特徴マップの類似度を表現します。したがって、新たに設計されたエネルギー汎関数は、多層の局所特徴、グローバルな空間的一貫性、およびマルチスケール抽象表現を活用して複雑な背景の画像を処理します。実験結果は、非均質な医用画像の分割において、本モデルはわずか50回の反復で済み、他のモデルは100回以上必要であることを示しています。アルゴリズムの実行時間はわずか8秒であり、他のモデルはそれをはるかに上回ります。同時に、客観的評価指標で提案アルゴリズムを評価しました：DC指標の平均値は0.9851、FP指標は0.0052、JCS指標は0.9706、P指標は0.9947、TP指標は0.9757です。本モデルはより多くのテクスチャ構造情報を抽出可能であり、グレースケールの不均一性および初期輪郭に対して高いロバスト性を持ちます。

アクティブ輪郭;統計的ノルム;加法バイアス場;レベルセット;グレースケール不均一性