图像分割是一种图像处理方法,目的是将感兴趣区域从图像中提取出来。然而现实中成像设备存在缺陷以及光照发生变化变化等原因,造成了很多图像的强度是不均匀的,这就使得强度非均匀图像的分割比较困难。水平集方法是偏微分方程图像处理中求解模型的一种常用方法,也广泛应用在强度非均匀图像的分割问题中,但是水平集函数在演化中很难保持符号距离性质。为避免重新初始化带来较大计算量,又能保证迭代过程稳定进行,常在模型中加入正则项。所以针对这个问题,本文做了如下工作:首先,我们发现四阶偏微分方程在演化过程中会将图像演化为分片斜面图像,将四阶项作为分割模型的水平集正则项,用来将水平集函数的梯度模值限制在一个有限范围内,并与已有模型的分割项相结合,提出了模型一——四阶项正则化分割模型。接着,设计了两种求解模型的数值格式,一种是有限差分法;另一种是本着减小模型对参数取值依赖性和加快模型计算速度的思想,利用AMOS格式来求解模型。其次,由于四阶项在演化过程中容易将水平集函数过度光滑,从而使得分割轮廓丢失边界细节信息。考虑到拉普拉斯算子在边界信息探测上存在优势,故在模型一的基础上加入了二阶项,并将二阶项和四阶项的耦合作为分割模型的水平集正则项,最后得到了模型二——耦合二阶项的四阶正则化分割模型。之后,对模型二用有限差分法和AMOS格式分别求解。最后,在数值实验部分,将本文提出的模型与无正则项模型进行对比分析,实验证明四阶项能够起到水平集正则化的作用。同时将本文模型与经典RSF模型进行对比,实验结果表明本文模型能够分割含有更高强度噪声的图像。除此之外,将模型一与模型二进行比较,发现模型二在探测物体边界信息上优于模型一,并且比模型一的初始轮廓范围更加广泛。