距离正则化水平集演化模型，DRLSE，无需初始化模型基础上引入新的符号距离保持项。水平集分割经典算法。里面有文献和代码，可以直接运行。

水平集演化（LSE）是众所周知的轮廓提取（确定对象的边界）和对象分割的方法。 LSE 的主要障碍是重新初始化步骤。 必须执行此步骤以消除对象（轮廓）提取的边界的不规则性。 基本上，水平集必须根据一些基于距离的标准定期重新初始化。 事实上，我们如何实现重新初始化步骤并不是理论上解决的问题。 在工程实践中，结果可能存在大量错误。 在本文中，研究人员提出了 LSE 方法的新变体，它通过添加新的术语距离正则化来本质上保持水平集函数而不是重新初始化步骤。 这就是为什么这种新方法的名称是距离正则化 LSE (DRLSE)。

见博客http://blog.csdn.net/dingkeyanlail/article/details/78818386

DRLSE（基于距离正则化水平集演化）图像分割算法 是由李纯明教授团队 开发的图像分割算法，是一种基于区域的主动轮廓模型。该算法是基于距离正则化水平集演化（DRLSE）的图像分割算法，被应用于基于边缘的主动轮廓模型图像分割 ，计算速度非常快。非常著名的DRLSE论文已经被引用超过1200次，DRLSE获得2015年的IEEE Signal Processing Society Best Paper Award。

针对水平集算法，李纯明博士的DRLSE改进方法，matlab实现。

李春明老师2010年文章代码，文章和代码都包含在压缩文件里！