图像分割是计算机视觉领域的重要组成部分。噪声出现在各种类型图像中,所以一直以来就有对噪声图像分割的研究,并且随着遥感图像及医学图像等越来越广泛的应用,对其中含有的噪声图像进行分割成了必不可少的步骤,因此引起了广泛的关注。传统的噪声图像分割变分水平集模型为局部能量极值模型,其水平集函数的不同初始化有可能使得能量泛函达到不同的极小值点,从而得到不同的分割结果；传统的变分模型是基于偏微分方程的,因此差分格式复杂,而如果用传统数值方法如固定点迭代法、时间步进等方法进行求解,其计算的效率不高,这些都大大阻碍了噪声图像分割技术在现实中的应用。本文针对此类问题对改进模型及其快速算法进行了深入的研究,主要包括如下几个方面：第一,系统地介绍了曲线演化理论、水平集方法、变分Chan-Vese模型的基本理论以及在图像处理中的应用。第二针对服从不同噪声分布的分割模型其形式多样性,提出了基于噪声分布的凸松弛变分模型的一般形式。该模型基于二值标记函数及图像噪声分布模型,采用凸松弛和阈值化技术计算标记函数,从而克服了图像分割结果对初始化的依赖。第三,针对计算效率问题,对该模型设计了Split Bregman算法进行求解。大量的实验对比表明,本文所提迭代算法在计算效率上要超过传统算法。最后针对本文出现的问题以及尚存的缺陷,提出了下一步的研究方向。