河流遥感图像是背景复杂的非匀质图像，利用传统的活动轮廓模型进行分割往往不够准确。针对这一问题，提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像。方法 该混合模型将 Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合，并赋予归一化调节比例系数。通过计算轮廓曲线内外区域像素灰度的方差和交叉熵，指导曲线逼近目标边缘。为了加速混合模型的演化，引入曲线内外区域像素灰度的类内绝对差，取代原有的内外区域能量权值，以提高混合模型的分割效率。结果 大量实验结果表明，相较于 C
ACGS模型 (Active Contours With Group Similarity) 在CV模型(Active Contours Without Edges)的基础上结合了矩阵的低秩性约束，是能较好地分割目标特征缺失或错误的相似图像组的一种活动轮廓模型，但其对于局部灰度不均的相似图像组分割效果较差。对此，本文提出了包含演化曲线内外的动态亮度信息的改进的ACGS模型。在全局信息的基础上引入曲线内外动态变化的亮度信息，不仅增强了曲线对于局部灰度不均图像的模糊边界的识别，而且提高了能量函数梯度
