极光是一种绚丽多彩的自然发光现象,它是由太阳带电粒子进入地球磁场后与磁层带电粒子相互碰撞所产生的。极光常出现于高纬地区,呈椭圆环带状,称为极光卵。极光卵可以在Polar卫星携带的紫外成像仪拍摄的紫外极光图像中被明显地观察到。极光卵的边界位置与太阳风-磁层能量耦合过程有着密切的联系。准确的确定极光卵的边界对人类探索行星际磁场与地磁场的活动规律有非常大的帮助。因此,从紫外极光图像中准确分割出极光卵,并且根据分割结果分析极光卵边界位置与地磁指数、行星际磁场等物理参数的关系具有非常重要的意义。基于此,本论文对极光卵分割方法展开详细的分析与研究。针对现有极光卵分割方法分割精确度低且需要手动调参,不能实现自动分割的问题,提出嵌入边界约束因子的局部主动轮廓极光卵自动分割算法。首先构建融入边界约束因子和图像局部信息的主动轮廓能量函数,然后使用Graph cuts算法对能量函数进行优化,以实现极光卵的分割。该算法只有一个参数,在实验中发现该参数对分割结果的影响较小。因此,在极光卵分割过程中无需人工调参,从而实现了极光卵的自动分割。此外,实验结果表明该算法与现有算法相比有较高的分割精度。为了更进一步提高极光卵分割方法的分割精度,提出了基于中介真值程度度量的局部主动轮廓极光卵精确分割算法。算法构建了基于中介真值程度度量的局部主动轮廓能量函数,对噪声有较好的鲁棒性,且可以得到较准确的极光卵边界。此外,实验结果表明该算法对自然图像、人造图像和医学图像也有较好的分割效果,可以得到平滑准确的边界,表明该算法具有很好的普适性。针对现有极光卵分割方法仅考虑极光卵图像的静态信息,从而丢失极光粒子的运动特性,提出融合静态信息和动态信息的紫外极光序列分割算法。首先采用眼动引导的块匹配算法得到极光卵的空域分割结果,利用格子玻尔兹曼模型模拟极光粒子的运动,得到极光卵的运动信息,进一步得到极光卵的时域分割结果,通过融合极光卵的空域分割结果和时域分割结果得到极光卵序列的最终分割结果。实验结果表明该算法与现有单纯考虑极光卵静态信息的分割算法相比,分割精度大大提高。为探究极光卵边界受地磁物理参数影响的规律,本文将极光粒子的动态信息融入到BP-AdaBoost算法对极光卵边界进行预测,对极光卵边界位置和空间物理参数的关系进行了统计分析。统计结果表明,地磁指数、行星际磁场以及太阳风对极光卵边界都有不同程度的影响,但其中地磁指数、行星际磁场的By、Bz分量对极光卵边界位置的影响较大,而太阳风对极光卵边界位置的影响较小。