图像分割是将图像分割成若干同质区域的过程,使得到的同质区域更加有意义和便于后续处理。图像分割方法很多,例如：基于偏微分方程的图像分割属于交互式分割方法,具有较强的局部自适应性和高度的灵活性；聚类方法属于自动分割方法,适用于图像的预分割。近年来,大量相关文献的发表提高了图像分割的准确率,但仍存在一些问题有待改进。本文归纳和总结了基于偏微分方程的图像分割方法和聚类分割方法,针对具体分割方法对其进行改进,具体工作如下：(1)为了扩大参数活动轮廓模型外力场的捕获范围,消除噪声和弱边界对图像分割的影响,本章融合参数活动轮廓模型和卷积向量场的优点,提出一种新的参数活动轮廓模型。该模型通过Harris矩阵得到梯度图像,依据局部区域的均值和方差估计噪声的概率,进而确定参数活动轮廓模型和卷积向量场的作用权重,得到新的全局向量场。(2)测地线活动区域(C-V)模型难以分割灰度不均匀的图像。为了解决这一问题,提出一种基于局部熵的主动轮廓模型。首先,将局部熵的概念引入到C-V模型中,通过核函数获得局部区域灰度变化的信息,构建局部熵的能量泛函；其次,采用变分水平集的方法,最小化局部熵的能量泛函,得到水平集的梯度下降流,驱使轮廓曲线进行运动,得到图像的分割效果；最后,对灰度不均匀的图像进行仿真对比实验,说明所提方法的有效性。(3)测地线活动轮廓(GAC)模型存在弱边界问题和凹陷问题。为了解决这一问题,分别改进了该模型的能量泛函和曲线演化方程：(a)能量泛函的改进：将LBF模型的能量泛函作为新的边缘停止函数,并进行归一化处理,得到新的能量泛函,对应的梯度下降流驱使轮廓曲线进行运动。理论上能够解决弱边界问题和凹陷问题,仿真对比实验进一步验证了该方法的有效性。(b)曲线演化方程的改进：将GVF模型的梯度矢量流与GAC模型的单位内法向量相结合驱使轮廓曲线向目标的凹陷方向运动,将C-V模型的区域信息的力场与GAC模型的单位内法向量相结合驱使轮廓曲线向目标的凹陷方向运动,能够解决了测地线活动轮廓模型的缺陷。(4)针对模糊C均值聚类算法对结构复杂图像分割效果不理想的问题,提出一种基于视觉感知模糊C均值聚类算法。首先,在分析视皮层神经元感受野性质的基础上,建立视神经元细胞响应函数来计算图像的结构特征。其次,定义一种斜坡函数从仿生学的角度来模拟人眼对相对亮度变化的感知,用来计算图像中像素点与聚类中心点之间的差异。所提模型充分考虑了邻域刺激对中心神经元影响的方向性、位置相对性和周期性,比较精确地描述了图像的结构信息,有效地抑制了噪声和复杂纹理的干扰。