图像分割是数字图像处理中的重要研究内容,在医学、工业和交通等方面应用广泛。目前提出的图像分割算法各有特色,其中几何活动轮廓模型具有可以自由变换拓扑结构的特点,在图像分割领域表现出显著的优势。本文对几何活动轮廓图像分割方法进行改进研究,提出了两种新的图像分割方法,主要研究内容如下:（1）针对传统几何活动轮廓模型对含有噪声的图像分割效果差的问题,本文提出了一种结合局部信息的几何活动轮廓模型。新模型在C-V模型的基础上进行改进,它加入拟合中心权重来构造新的拟合项,同时添加结合局部信息的速度函数和自适应系数。实验结果表明,本文提出的模型可以克服高斯噪声和椒盐噪声的干扰。（2）C-V模型对灰度不均图像分割效果不好且分割耗时长,LIF模型对初始轮廓敏感。针对以上问题,本文提出了结合全局信息和局部图像拟合的几何活动轮廓模型。在C-V模型的基础上做出改进,拟合项中的原图像替换为拟合图像。用增加权重的形式将改进的C-V模型和LIF模型结合起来。该方法克服了C-V模型和LIF模型的缺点,而且融合了局部信息模型和全局信息模型的优势。实验结果表明,本文提出的模型收敛速度快,可以有效分割灰度不均图像、多目标图像、纹理图像和医学图像。