对比于自然图像,红外图像具有在极端条件下成像优势。同时,成像噪声、复杂背景、目标灰度分布不均匀等特征给图像分割算法带来极大的挑战。基于Level Set的图像分割算法将低维度轮廓曲线进行高维度表示,可以解决图像分割过程中的复杂拓扑变化等问题,近年来受到国内外学者的广泛关注。但是,Level Set算法分割复杂背景、目标灰度分布不均匀的红外图像效果不理想,并且采用梯度下降法最小化能量泛函,时间复杂度高,容易陷入局部最优解。针对以上问题,本论文开展了基于Level Set红外图像分割算法的研究工作,并取得了以下重要成果:提出了基于目标灰度值调整Level Set红外行人分割算法、全局概率模型Level Set图像分割算法。本论文具体研究内容及其创新点如下:(1)红外相机采集红外线性能的差异、目标在不同位置温度不一致,或者目标和背景无显著性温差,均会导致目标边界模糊以及目标灰度值分布不均匀等问题。因此,本论文提出目标灰度值调整Level Set演进(Intensity Adjustment Level Set Evolution,IALSE)算法。利用上述红外图像成像特点,首先进行边界增强处理,即构建改进型高斯卷积核提取更多局部邻域内像素信息,并且定义一个软阈值掩模;然后建立一个权重方程,自适应调整目标灰度值,减少目标灰度分布不均匀程度,获取更具有鲁棒性的边界指示函数。对比实验证明该算法在Level Set框架下可以获得更为精确的红外图像分割结果。(2)针对(1)中红外图像成像特点以及当前Level Set算法采用梯度下降法导致算法时间复杂度高且容易陷入局部最优解的问题,提出全局概率模型Level Set演进(Global Probability Model Level Set Evolution,GPMLSE)算法。以热方程描述的热扩散物理现象为基础建立概率模型。概率是像素的受热值,既包含该像素同被设定为热源的像素之间的距离关系,也包含该像素同剩余像素的全局分布信息。使用反余弦函数将概率模型映射成Level Set能量约束项。此外,偏置场模型提取像素局部邻域信息构成能量约束项,拟合目标局部区域灰度变化。最终在图模型中使用组合优化算法最小化Level Set能量泛函,显著降低算法时间复杂度,并得到全局最优解。多组对比实验证明,该算法有效提高目标灰度值分布不均匀、复杂背景的红外图像分割精度。分割结果不依赖于初始化轮廓曲线位置,有效抗噪声干扰。扩展实验证明该算法能够有效分割自然图像。