图像分割是图像处理中的基础性问题,也是计算机视觉领域低层次视觉中的主要问题,同时它又是一个经典难题。它对图像理解、图像分析和图像识别等高层视觉处理具有重大的意义,在边缘检测、运动跟踪及辅助医学诊断等领域有着广泛的应用和很大的发展空间。目前,活动轮廓模型的分割方法是图像分割技术的主流方法之一,是计算机视觉领域的重要研究方向,为轮廓提取和匹配等一系列视觉问题提供了理论依据。　　本文主要是对基于活动轮廓模型的图像分割方法进行研究,并对部分模型进行了详细的阐述和改进,主要分为以下几个部分:　　(1)首先介绍了图像分割的历史背景、目的、发展状况和现有的分割方法,然后对活动轮廓模型的产生及国内外的研究现状进行了分析,简要讨论了活动轮廓模型的两大传统模型(参数活动轮廓模型和几何活动轮廓模型),最后对两类不同的模型在能量函数构造和算法实现时,所需要的相关理论进行了深入研究。　　(2)对参数活动轮廓模型(Snake模型)及其在它的基础上推广的模型进行了探讨,并在图像分割性能方面进行了对比。本文提出了修正的曲率外力项,扩大了Snake模型的捕捉范围,使轮廓曲线能够进入到目标的凹陷区域。　　(3)对几何活动轮廓模型的代表性模型进行描述,包括基于区域的C-V模型以及基于边界的GAC模型。本文在C-V模型的基础上引入了距离惩罚函数,减少了水平集初始化过程,加快了演化速度,对图像中存在多个目标的分割,具有很好的分割效果。