胰腺是人体内的一个重要器官。随着数字医学的普及,计算机辅助诊断已成为可能。在计算机的帮助下分割胰腺可以大大提高医生的工作效率。但是胰腺在医学CT图像中呈现出体积小,位置深的特点,且胰腺与周围的肝脏、肾脏等腹部器官没有很好的灰度对比,使得胰腺在CT图像中的边缘不是很明显。所以计算机借助于传统的图像分割方法难以准确的分割出胰腺,本文研究了水平集方法用于胰腺图像的分割,主要做了以下工作:(1)基于全局图像信息的传统水平集分割模型(CV模型),在曲线的运动过程中,需要通过重新初始化的过程以确保曲线运动的稳定性。为了提升CV模型中曲线的运行效率,本文提出了改进的CV模型,在传统的CV模型中拟合了一个曲线面积项。通过改进的CV模型对灰度均匀图像的分割实验,验证了本文提出的改进CV模型确实能提升CV模型中曲线的运动速度。(2)针对传统的全局和局部信息的水平集分割模型(LGIF模型)在分割一些医学图像时,需要调整全局信息项和局部信息项的权重,才能获得较理想的分割结果。为了实现LGIF模型的自适应分割,本文提出了一个自适应函数用于实时衡量全局信息项和局部信息项的权重。通过拟合了自适应函数的ALGIF模型对胰腺图像和合成图像的分割实验,验证了拟合自适应函数的ALGIF模型的有效性与合理性。(3)为了避免LGIF模型水平集函数重新初始化的过程。本文将基于局部搜索策略的LGIF模型与反应扩散方法相结合,提出了改进的RD-LGIF模型。实验表明改进的RD-LGIF模型可以有效地分割胰腺图像。