工业计算机断层成像(Computed Tomography,CT)系统通过射线扫描物件获取投影数据,进而重构出物件的断层图像进行处理和分析。其中,从图像中准确、高效地提取出感兴趣目标对后续处理(如缺陷检测,尺寸测量及逆向制造等)至关重要。核磁共振(Magnetic Resonance,MR)成像是一种有效的非介入检测技术。由于对人体没有辐射影响,因此被广泛应用于医学成像领域。在医学图像中,核磁共振成像能够得到比较清晰的组织图像,并能够显示各个组织的较多细节。此外,核磁共振成像不仅能够显示人体器官的病变情况,而且还能够精确的判定各个器官(如脑、心脏等)的功能情况。因此,MR图像中各个器官的准确分割对于医学诊断非常重要。图像分割是图像分析和计算机视觉的基础,其目的是将图像划分成若干各具特性的不相交的区域,并根据这些区域上图像的某种特性提取和分离出感兴趣的目标区域。作为图像处理到图像分析与理解的关键步骤,图像分割技术的发展与数学、计算机科学以及模式识别等相关学科和领域密切相关。近年来,为了解决实际的应用问题,人们提出了很多方法用于图像分割。其中,基于曲线演化理论的主动轮廓模型得到了人们的极大关注。该模型以其良好的分割性能与完善的理论基础,得到了业界的一致认可与广泛应用,并被成功地应用在工业无损检测和医学图像分析等众多行业中。本论文以基于主动轮廓的图像分割模型为基础,在分析现有基于区域的主动轮廓模型特点的基础上,面向工业CT和医学MR图像应用中存在的一些问题进行了系统的研究。从降低模型对初始轮廓的敏感性、增强对噪声的鲁棒性以及提高分割准确性等方面入手,对主动轮廓图像分割模型做出了一系列的改进,并与实际应用相结合,提高图像分割的效果。本文的主要贡献及创新性工作如下:①提出了一种基于局部鲁棒性统计和相关熵K-均值聚类的主动轮廓模型。由于成像设备技术以及数据获取条件等限制,实际图像(如CT图像和核磁共振(MR)图像等)通常存在一定程度上的强度不一致性以及被噪声污染的情况,使得传统的图像分割方法不能准确的分割出感兴趣的目标。本文提出了一个基于局部鲁棒性统计和相关熵K-均值聚类的模型,来提高对含有噪声或强度不一致性图像的分割准确性。该模型主要由一个整体能量拟合泛函和一个局部能量拟合泛函组成。其中整体能量拟合泛函是利用基于相关熵的K-均值方法,能够自适应的对聚类中心的相应点(图像灰度)进行采样,重点采样离聚类中心较近的像素点的灰度,在一定程度上能够增强模型对噪声的鲁棒性,并使得模型对水平集函数的初始化位置不敏感;局部能量拟合泛函则考虑了输入图像的局部鲁棒性统计信息,该统计信息能够有效地减少噪声对分割结果的影响。同时,利用局部强度均值可以使本模型在处理具有强度不一致性的图像时的分割结果更加准确。本文中给出了二相位和多相位图像的能量泛函及水平集表示公式,拓宽了该模型的应用范围。通过对合成图像、真实工业CT图像以及MR图像的分割实验,结果表明该模型不仅对初始轮廓不敏感,而且对具有强度不一致性的图像和被不同类型、不同程度的噪声污染的图像,均具有很强的鲁棒性,与此同时能够保持分割的准确性。②改进了一种基于局部区域信息的稳定的主动轮廓模型。在Li-Kim模型基础上,本文改进了一个结合局部区域灰度均值的分割模型。通过利用图像局部灰度均值和全局灰度均值的差异,构造了一个基于局部统计信息的鲁棒性噪声图像分割模型。局部统计信息的引入使得该模型能够对噪声图像具有很好的鲁棒性。通过分析可知,该模型能够得到一个稳定的极小值,即如果初始的水平集函数有界,最终得到的水平集函数也是有界的,本文通过半隐式的差分方案和解析的方法,并通过水平集函数的演化,得到该模型稳定的极小解。通过对合成图像和工业CT图像的分割实验,表明该模型对含有一定噪声(Gauss噪声,椒盐噪声,斑点噪声等)的图像有很好的分割效果,且该模型对水平集函数的初始化具有鲁棒性。该模型在保证分割准确性的同时,计算时间大大减少。③改进了一种同时分割图像和估计偏置场的主动轮廓模型。实际应用中,图像的强度不均匀性(如MR图像)对图像分割效果和图像的理解造成了很多的困难。针对MR图像的偏置场校正是在对其诊断分析之前的非常重要的手段。在Li模型基础上,本文改进了一个同时分割图像与偏置场校正的模型。该模型中,通过考虑局部区域中测量图像和估计图像之间的偏差,在此基础上定义了一个聚类能量泛函。该局部区域变差的引入,不仅使该模型能够得到更加精确的分割结果和偏置场估计,而且对一些低对比度的图像也有很好的分割效果。在能量泛函中,引入水平集函数正则项,从而避免不断地重新初始化水平集函数。本文给出了针对二相位和多相位图像的聚类能量泛函以及水平集表示公式。通过对合成图像,CT图像及MR图像的分割实验,结果表明该模型能够得到更加精确的分割结果,对图像的偏置场估计也更加合理,并且对于一些低对比度的MR组织图像,能够得到很好的分割结果。