目的　LBF(local　binary　fitting)模型用每个像素点的邻域信息来拟合局部能量,对灰度不均匀图像可以得到很好的分割效果.但是LBF模型只考虑了图像的局部信息,没有考虑全局信息,因此它对初始轮廓大小、形状及位置都非常敏感.针对以上问题,结合全局和局部信息,提出“两阶段”活动轮廓模型.方法　第1阶段,采用退化的CV(Chan-Vese)模型,利用图像的全局信息(灰度均值)快速为图像的目标大致定位;第2阶段,以第1阶段结束时的水平集函数的零水平集为第2阶段的初始轮廓,利用图像的局部信息(局部高斯拟合)得到更加精确的分割结果.结果　实验结果表明,该“两阶段”活动轮廓模型保留了LBF模型分割灰度不均匀图像的能力.结论　改进后的模型较LBF模型对各种初始轮廓(大小、形状、位置)有较强的鲁棒性,以及较强的抗噪性.