图像分割是用于计算机视觉领域中检测对象和分析图像最重要的技术之一,但由于现实中的图像存在颜色丰富,灰度不均匀及纹理复杂等问题,准确的图像分割仍然是一项巨大的挑战。基于水平集方法的主动轮廓模型由于其灵活的拓扑结构变化以及出色的分割性能已成为了目前主流的一种图像分割方法。本文针对现有水平集方法的若干关键问题展开深入研究,主要包括以下几个方面:(1)针对现有的水平集方法无法分割具有严重灰度不均匀图像及对初始轮廓敏感的问题,提出一个联合图像全局和局部信息的权重函数,并将该权重函数整合到水平集能量函数中构建主动轮廓模型,该模型可以在轮廓演化阶段自适应地减弱图像灰度不均匀和调控区域拟合信息,实验结果证明所提算法的分割性能优于同类算法并对初始轮廓不敏感。(2)针对现有水平集方法无法准确分割纹理复杂的自然图像的问题,提出了一个纹理嵌入水平集方法,首先利用图像梯度信息计算局部协方差矩阵,根据协方差矩阵提取图像纹理特征来构建水平集纹理项,接着提出一个高阶边界算子来捕获复杂自然图像中的目标边界来构建水平集边界项。最后将图像灰度、纹理和边界三项信息整合到水平集表达式中分割自然图像,此外还在求解该水平集函数时采用了半隐式梯度下降方法以更稳定地指导轮廓的演化。相比同类算法该纹理嵌入水平集方法对自然图像有更好的分割结果。(3)为了进一步提升水平集方法对复杂自然图像的分割精度,提出了一个联合了显著性和水平集的主动轮廓模型。与大部分现有的利用显著性的水平集方法不同,本文并不是简单将显著图作为水平集的输入图像构成显著项,而是利用显著性来获得背景先验,使轮廓在演化过程中可以快速捕获目标位置并降低复杂背景的干扰,该算法进一步提升了水平集在自然图像上的分割效果。