图像分割是数字图像处理中的核心问题和基本难题,而图像的目标轮廓提取是高层次的图像分割,不仅仅需要依靠底层的图像信息,还需要高层的用户交互信息。好的目标轮廓提取算法就是通过用户尽量少的交互在图像中提取用户想要目标对象的轮廓。在很多图像应用软件中,我们需要很费时的描绘对象的边界才能提取到轮廓,这样的交互非常麻烦,而且效果也不是很好。目前比较好的方法,比如Snake模型和Lazy snapping,前者只需要提供很粗略的边界,后者甚至只需要对前后背景画几笔就可以很好的提取出我们想要的轮廓,但是Snake方法由于参数比较难选取,而且对初始轮廓线依赖很大,抗噪声能力很差,所以对很多类型的图像处理不好;而lazy snapping方法对前景背景相似的图像较难处理。我们提出了一种基于局部相似性的轮廓提取算法,采用了新的交互方式和新的方法来提取目标轮廓。用户直接标记目标边界上的几个点,再加其他初始点构成了初始轮廓,然后比较点的局部相似性质,通过最优化过程最后迭代找出最相似的轮廓。首先我们介绍基于法向邻域相似性的基本算法,然后我们再对局部相似性进行改进,增加了算法的健壮性,接着对标记点的交互也进行了改进,使得用户不必十分准确的标记目标边界点,允许有少量的误差,这样使得交互更加简单。我们的算法交互量少,只需交互指定少数几个点即可;算法对轮廓的提取非常有效,对Lazy snapping所不能处理的前景背景很相似的图像也处理的很好,若我们标记了足够多的边界点,就能得到足够精确的轮廓。最后,这个算法速度很快,能处理很多类型的图像。