图像分割是把图像分成若干个特定的,具有独特性质的区域。是数字图像处理中的一项重要技术,同时它也是图像分析的一项基础和关键过程,多年来一直受到广泛重视,并成为图像处理领域的一个热点问题。上个世纪90年代,出现了基于偏微分方程的图像处理这一领域,其基本思想是将实际研究问题转化为一个泛函数并对其取极小值的问题。首先用变分法得到一个相应的偏微分方程,然后结合已知的初始条件,通过数值计算方法求出解。由于它所具有的成熟的理论基础和独特的数值方法,而成为一个非常受瞩目的新兴领域。Chan-Vese(C-V)模型作为偏微分方程图像分割领域中的一个典型的活动轮廓模型,利用图像的全局整体信息,对边缘模糊目标和图像的局部噪声具有很强的鲁棒性。然而该模型对非同质对象通常不能很好地进行分割。本文对C-V模型进行了深入的研究,在此基础上针对红外舰船目标图像和高光谱遥感图像的特性,提出两种自适应的目标分割模型。主要创新点表现在以下方面:1.提出一种红外(IR)图像中分割舰船目标的自适应活动轮廓模型。针对红外(IR)图像所具有的目标和背景之间的对比度差、边缘模糊等特性,通过构造一种自适应梯度模值的权重函数,有效地将图像中的区域信息和边界信息进行结合,从而根据当前区域的梯度模值情况自适应的进行处理,保证了模型对于存在异质区域的IR图像进行分割的有效性。所提出的模型有效的克服了传统C-V模型对噪声敏感和低对比度图像效果差的不足,同时对具有异质区域的红外舰船图像目标也保持了较高的分割精度。2.提出了一种高光谱海岸带图像的水陆分割的活动轮廓模型。针对高光谱遥感图像兼具光谱分辨率高、波段复杂和图像数据量大的特点,通过引入一种基于梯度模值的边缘引导函数,提高模型对边缘区域的捕捉能力;此外,通过引入一个适应图像区域内外灰度差的控制函数有效地提高了模型的演化速度。所提出的模型实现了对高光谱海岸带图像水陆区域的有效分割,同时克服了传统C-V模型对于高光谱图像分割时收敛速度慢和分割精度不高的不足。