在近几十年中,医学图像成像技术在快速地发展。医学图像的信息处理在现代医学诊断中的作用越来越重要,而医学图像分割是计算机医疗辅助诊断系统中的关键技术。图像的引导手术、肿瘤放射治疗等,都是以图像分割为基础的。医学图像在其本质上具有多样性和复杂性的特征,传统的图像分割算法的分割效果不太理想,容易造成误分割。活动轮廓模型融合了图像的多种信息,分割出来的图像边缘是一个封闭的曲线。本文的研究目的是寻找一种分割效果精确,同时分割速度快的基于活动轮廓模型的医学图像分割算法。本文首先阐述了医学图像分割的背景,研究的意义,并介绍了常见的医学图像分割算法。其次,介绍了活动轮廓模型的原理,并提出了其中的热点研究方向：几何活动轮廓模型。再次,将其分为基于轮廓的几何活动轮廓模型和基于区域的几何活动轮廓模型两个方向,分别提出改进的算法。距离正则化的水平集方程是基于边缘的活动轮廓模型的一个典型代表,它具有无需重新初始化水平集,数值计算稳定的优点。然而,该模型不能很好地克服滤波与保护图像边缘的矛盾,并且不能实现自适应分割。本文引进了新的滤波函数,滤波的同时很好地保留了图像的边缘信息。同时,提出自适应演化的机制,实现了模型的自动演化。改进的算法在分割精度和效率上都有所提高。C-V模型是经典的基于区域的几何活动轮廓模型,能够很好地分割没有明显边缘的图像。然而它不能够完全避免重新初始化,也不能够很好地处理灰度分布不均匀的医学图像。本文在C-V模型中引入惩罚项,并且提出了新的平均灰度值计算方法,同时引入了平衡曲线内外灰度差的机制。实验的结果表明,本文改进的算法能够很好地处理灰度分布不均匀的医学图像。