中文摘要：

图像分割是由图像处理向图像分析与理解过渡的重要桥梁，是计算机视觉等相关研究领域的基础科学问题。近年来各种新理论和方法不断涌现，其中水平集分割方法具有更为统一的理论与框架，能够通过能量泛函整合图像的低层特征和外部约束条件实现分割，成为目前图像分割方法的一个重要分支。然而，目前的水平集图像分割方法并不完善，仍存在（1）水平集函数簇构成的空间非凸，导致能量泛函存在局部极值等优化问题；（2）水平集函数演化中函数初始化、演化停止条件设计不尽完善，对目标边缘和形状语义刻画能力有限，且不能实现自动分割；（3）水平集函数演化缺少并行的快速实现方法，限制了分割方法的实际应用。本项目基于人类视觉感知模型、稀疏表示以及格子波尔兹曼方法，研究符合人眼视觉感知特性且具有形状语义选择性的快速水平集图像分割方法。以上研究有助于完善和扩展现有水平集图像分割的理论与方法，也为图像分析与理解等高层应用提供实用工具。