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 CV 模型、测地线模型、基于交叉熵的活动轮廓模型、CV 模型和测地线模型的混合模型以及局部全局灰度拟合能量模型(LGIF)，本文混合模型分割河流遥感图像的灵敏度和上述方法都接近于 100%，准确率大幅提升，在90%以上，虚警率则下降了约 50%，且所需迭代次数和运行时间更少。结论 本文提出的混合模型主要适用于具有一定对比度的河流遥感图像，在分割性能和分割效率两个方面，都有明显的优势。
