众所周知,图像分割和边界提取对于图像理解、图像分析、模式识别、计算机视觉等高层视觉处理具有非常重要的意义,在边缘检测、辅助医学诊断及运动跟踪等领域有着广泛的应用和很大的发展。活动轮廓模型方法是目前图像分割技术的主流方法之一。本文就基于活动轮廓模型的图像分割这一课题进行深入、系统地研究,主要进行了以下的工作:本文首先对图像分割的产生背景、目的、发展现状等方面进行了较全面的综述,对现有的分割方法进行了介绍和对比;并分别对活动轮廓模型的两大类别(参数活动轮廓模型和几何活动轮廓模型)进行了详细的讨论。在此基础上对基于边缘的几何活动轮廓和基于区域的活动轮廓的能量函数构造、算法实现等方面进行了深入研究,针对两种不同类型活动轮廓模型的缺点,分别提出了改进算法。气球活动轮廓模型可以轻松地提取形状复杂的目标边界,但其单向运动的缺点使得初始轮廓只能完全地设置在目标内部或外部,严重限制了气球模型的应用。它与传统基于边界的活动轮廓模型一样,对于弱边缘图形的处理十分不理想,容易造成边界泄露。本文提出了一种结合静磁场的双向气球力模型。由图像的边缘信息生成一个虚拟静磁场,然后通过静磁场的磁场方向来决定气球力的大小和作用方向,即表现为膨胀力或收缩力,从而实现了气球力模型的自适应双向运动。实验表明,本文提出的模型在轮廓线初始位置的要求,复杂形状目标和弱边缘图像的提取等方面都优于传统的边缘分割算法。最后,针对传统基于区域的几何活动轮廓模型对于灰度分布不均匀图像(如医学图像,自然图像等)的处理效果不理想的缺点。我们在Chan-Vese模型的基础上加入一个局域化的平均分割能量,提出一个基于局域信息的几何活动轮廓模型。通过最大化轮廓线内外区域的灰度差来演化轮廓线,从而扩大了模型的捕捉范围。而且引入局域的概念,假设图像中的每个点除了受自身的影响外,还将受到局域内其他点的影响,使模型能够处理灰度分布不均的图像。实验表明,本文提出的模型在保留传统基于区域模型的优点同时,克服了对灰度分布不均图像处理效果不理想的缺点,在医学图像和自然照片的分割上表现出令人满意的效果。