图像分割领域包括图像分割算法和图像评价算法。图像分割是图像处理的重要分支之一，而活动轮廓分割模型又是图像分割算法中最为成功的方法之一。本文对活动轮廓分割模型和图像评价算法进行了研究，同时也介绍了CT缺血性脑中风检测算法，其中着重阐述了对缺血性中风图像中脑室区域和脑积液进行分割的算法。本文首先提出了一种结合了Wasserstein距离和空间内核函数的活动轮廓模型，它不仅能够分割无序纹理图像，还能分割灰度不均匀图像。为了分割CT脑图像，本文还提出了自适应增强边缘能量的活动轮廓分割模型。在模型中，我们定义了一个灰度域核函数来检测边缘，并根据边缘梯度的强度给出不同的权重来拉升边缘区域的能量，从而使得分割结果不依赖于初始化曲线。空间核函数的引入，使得模型能够提取邻域信息来克服灰度不均匀图像的分割困难。该模型对于分割灰度不均匀和含有较强噪声的图像具有很高的准确率和稳定性，为CT脑图像的初步分割提供了一个有效和准确的方法。CT缺血性脑中风检测算法包括脑区域提取、图像校正、脑实质提取和中风区域检测。脑实质的提取主要涉及脑室和脑积液分割。为了防止病变进入脑室分割结果，我们在分割过程中利用了三维连通性分析，边缘环形分析和双次阈值差分法，自适应感兴趣区域模板配准法。实验效果表明，我们提出的脑中风检测算法能够获得较好的效果。我们还提出了一种具有全局属性的图像分割质量客观评价算法。该方法是基于实际分割结果与参考分割之间的差异进行计算，能够从图像理解的角度出发，根据空间信息给予误分像素不同的权重。