ACGS（Active Contours With Group Similarity）模型在CV模型的基础上结合了矩阵的低秩性约束，能较好地分割目标特征缺失或错误的相似图像组，但对于灰度不均的相似图像组分割效果较差。而双重轮廓演化曲线的图像分割水平集模型在LBF模型的基础上引入了目标内外两条轮廓曲线，很好地克服了LBF模型对于初始轮廓的敏感性，对于灰度不均的单张图像分割效果较好。受此启发，本文提出了基于双重轮廓演化曲线的活动轮廓模型来分割相似图像组。该模型首先结合LBF模型来更好地分割灰度不均的
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
