图像分割作为计算机视觉领域和图像处理中的重要一个重要环节,为后续图像应用提供了基础和保证。针对复杂背景的图像,此类图像拍摄位置随机光照不均,背景和目标灰度差异不明显,且携带噪声,分割难度大。亟需针对性的改进现有的图像分割算法,得到理想分割效果,能为后续的目标监测或者跟踪提供保证。无人机等嵌入式设备的图像处理的算法编写相对底层,建立一个便于移植的图像分割算法模型库对其提供支持具有重要的实际意义。基于活动轮廓模型的图像分割方法是近年图像分割领域中的热点话题,与传统的轮廓提取算法相比,体现出了更好的分割特性。本文研究基于活动轮廓模型的分割方法的算法实现,并结合分水岭算法提出改进的Snake模型方法,给复杂背景下的图像分割提供一个更优解决方案。本文主要研究内容包括如下方面:(1)对经典图像分割算法进行了仿真实验,其中,着重调研了基于阈值的分割方法和基于区域的分割方法,并用C/C++语言对其进行底层算法实现,验证了算法的正确性。(2)对基于活动轮廓的图像分割方法,包括几何活动轮廓模型和参数活动轮廓模型等进行了深入研究。重点研究了C-V模型和经典Snake模型的分割方法,分析了算法求解和模型的优缺点。在此基础上对改进的GVF-Snake模型进行了研究,并进行了算法设计和实现,进行了仿真实验。(3)针对复杂背景下的图像分割,提出了一种结合分水岭算法和Snake模型。的新的组合算法框架,该算法组合针对GVF-Snake模型对初始轮廓的依赖性,使用标识分水岭算法提供GVF-Snake模型提供逼近真实轮廓的初始轮廓,并通过仿真进行验证,降低了算法运算复杂度,并取得更好的分割效果。(4)基于Qt开发了相关的图像处理平台,设计出针对复杂背景下的图像分割算法库。使用C++语言完成多种分割方法的算法实现,选用合适的设计模式对软件结构进行设计,保证系统的稳定性。