为解决Chan-Vese模型和局部二元拟合(Local binary fitting,LBF)模型在带钢缺陷图像分割时存在的对初始轮廓位置敏感、运行速度较慢等问题,提出引入局部信息的带钢缺陷图像凸优化活动轮廓分割模型(Local information convex active contour,LICAC).该模型利用凸优化技术将一个非凸的分割模型转变为凸优化问题,并采用Split Bregman方法对问题进行快速求解,从而解决Chan-Vese模型和LBF模型对初始轮廓位置敏感等问题.通过引入图像局部信息,该模型可以有效分割灰度不均匀的带钢表面缺陷图像.使用该模型分别对焊缝、黄斑、孔洞和划伤等4大类单个带钢缺陷目标区域的图像进行分割试验,分割效果和运行时间都明显优于其余两种模型.同时,该模型也可用于含多个缺陷目标区域的图像分割,并通过对划伤、夹杂、麻点和抬头纹等4大类常见的多个缺陷目标区域的图像进行分割试验,验证了该模型的有效性.