MRI和CT等医学影像分析，可以为临床诊断提供直观的参考依据，具有十分重要的意义。医学图像分析涉及图像增强、图像分割、图像可视化等处理。其中图像分割是一切分析的基础，对产生正确的判断和分析具有重要作用。本文主要研究医学影像MRI和CT图像中非均匀目标的提取问题。这类图像具有边缘模糊、内部特征复杂等特点，传统的图像分割方法很难取得理想效果。基于水平集的活动轮廓模型具有抗噪性能强、数值求解稳定等优点，目前已广泛应用于医学图像分割、三维重建等领域。传统的活动轮廓模型，存在分割速度慢、对初始化位置敏感等特点，对一些灰度非均匀、边缘模糊的目标分割效果不理想。本文在对传统活动轮廓模型深入研究的基础上，结合CV模型和LBF模型的优点，研究改进后形成一些新的活动轮廓模型算法，能较好解决本文所涉及的一些医学影像中灰度非均匀目标的提取。本论文主要工作如下：（1）在对CV模型和LBF模型研究的基础上，将两者融合形成一种改进的、基于区域和水平集表示的活动轮廓模型。在改进的模型中，定义了一个含有局部灰度拟合规则项和辅助的全局灰度拟合规则项的能量函数。该模型利用图像中局部和全局灰度信息，驱动轮廓曲线演化，并允许灵活的初始化位置。大量的医学图像分割实验表明，改进的活动轮廓模型能够准确提取灰度不均匀目标。（2）在对CV模型和演化曲线内外密度函数Bhattacharyya距离函数的研究基础上，提出了一个改进的CV模型。改进的模型是依据图像的全局密度函数，较之CV模型，改进的模型在拟合项F (C)中增加密度距离规则，使每个分割区域内部非均匀性与不同区域间的距离达到一种平衡。在水平集函数中，执行新的曲线演化流，达到灵活驱动轮廓曲线朝向合理的边界移动的目的。本文提出的曲线演化流，可使错误率降到最低。大量的分割实验数据表明，改进的CV模型可以较好的分割医学影像图像中非均匀目标。