图像处理在军事、遥感、气象、医学等诸多领域中有重要的应用，而图像分割又是图像处理中的重要环节。图像分割的目的是把图像划分成一个包含若干个对象的集合，这样就能为更高层次的图像分析和理解提供服务。例如，目标识别与跟踪技术就需要用到图像分割的结果。自20世纪90年代以来，基于偏微分方程的活动轮廓图像分割方法逐渐成为众多学者研究的热点，并在实践中证明了它的价值。目前，红外技术已广泛应用于制导、自动控制、人工智能等领域。红外图像分割对红外目标的识别与跟踪起着关键性的作用。现阶段，常用的红外图像分割方法有阈值法，遗传算法等。由于活动轮廓图像分割方法有其自身的优点，故已有一些学者将其应用于红外图像的分割中，并取得了一定的成果。但总的来说，活动轮廓分割方法在红外图像分割中的应用尚处于探索阶段。本学位论文针对活动轮廓在红外图像分割中的应用做了如下的研究工作：基于边缘的活动轮廓模型是几何活动轮廓模型中的一种，在设计该模型时，边缘停止函数的选择对分割结果的好坏起着至关重要的作用。而常用的边缘停止函数只用到了图像像素点的梯度信息来控制曲线的演化，这对噪声较小，边缘清晰的图像能取得良好的分割效果。然而，红外图像往往存在着噪声较大、边缘模糊、对比度低等特点。故采用传统的边缘停止函数对红外图像难以取得良好的分割效果。由于图像的局部熵能够很好的反应出图像局部灰度变化情况且对噪声有良好的抑制作用，故本文将结合图像的局部熵信息提出一种新的边缘停止函数，将其应用于边缘活动轮廓模型中。实验结果表明，新的边缘停止函数确实对红外图像的分割起了良好的作用。此外，根据红外图像的特点，本文提出了一种自动选取演化曲线初始轮廓的方法，进一步提高了分割的效率。