Para resolver o problema da sensibilidade do algoritmo tradicional de segmentação de conjuntos nível ao contorno inicial e sua fraca robustez ao ruído, foi proposto um modelo de segmentação baseado na distribuição gaussiana global e na medida da norma estatística. Esse modelo funde as informações das bordas da imagem e as informações globais da região, realizando a extração das bordas do objeto e melhorando a robustez ao contorno inicial e ao ruído. Primeiramente, utilizando uma estratégia de fusão de informações globais, foi projetado um novo termo de energia global como termo de dados. Ao mesmo tempo, utilizando o termo de energia global e o termo de regularização, o contorno inicial é conduzido até a borda do alvo para alcançar uma segmentação precisa da região alvo. Em seguida, definiu-se uma distribuição gaussiana global que ajusta a energia da função do conjunto de níveis, com as médias e variâncias globais como variáveis. Finalmente, no processo iterativo, a minimização da energia é alcançada por meio da evolução alternada do conjunto de níveis e da estimativa das médias e variâncias globais de intensidade. Os resultados experimentais em imagens sintéticas, reais e naturais mostram que o modelo proposto apresenta bom desempenho na segmentação de ruídos gaussiano, speckle e sal e pimenta. Além disso, em termos de precisão de segmentação e tempo de execução do algoritmo, o modelo supera outros modelos clássicos de contornos ativos. O modelo apresentado melhora a precisão da segmentação de imagens com alto ruído, realiza uma boa extração das bordas do alvo e apresenta desempenho superior em precisão de segmentação e eficiência computacional.

segmentação de imagem;contornos ativos;norma estatística;conjunto de níveis;distribuição gaussiana