最近几十年,随着国内外海上溢油事故的频繁发生,造成大量原油泄漏,给海洋环境及其生物带来十分严重的危害。由于海上环境十分复杂,溢油事故发生后,快速且准确地从溢油遥感图像中提取溢油边界,进而获取溢油面积和溢油量是海上溢油监测的关键环节,也是一个重要研究课题。光学遥感技术是海上溢油监测的重要手段之一,而高光谱遥感作为光学遥感领域的技术前沿凭借其独特优势,很快成为海上溢油监测的新亮点。主动轮廓模型相比于其他图像分割方法,其主要优势在于不论所处理的图像质量如何,总能够获得光滑且封闭的目标区域边界。Chan和Vese提出的无边界主动轮廓模型,即CV模型,具有不依赖于梯度信息,能够分割边界比较模糊或含有噪声的图像,对轮廓曲线的初始位置不敏感以及易于实现等一系列优点,因而得到广泛应用。但由于高光谱溢油图像具有边界模糊、油水光谱特征差异小、灰度不均匀变化以及普遍含有亮斑和阴影噪声,CV模型无法实现较好的分割效果。因此本文对CV模型进行以下3个方面的改进：(1)通过引入Fisher准则的基本思想,改进原始CV模型的拟合项,使改进后的模型能够获得更好的分割效果,同时使模型能够自动调节长度项和拟合项的常量系数的比值,从而使模型对参数的变化更加稳定。(2)利用光谱角距离这一光谱相似性度量构造一个边缘检测函数,以此来构建一个新的长度项,使轮廓曲线更加准确而稳定地停止在目标区域的边界。(3)结合端元提取算法对CV模型进行进一步改进,使改进后的模型能够从含多类地物的图像中划分出感兴趣的特定类。最后,本文将改进模型和CV模型等对比算法在模拟高光谱图像、标示高光谱图像以及实际高光谱溢油图像上进行实验,通过对各算法的分割结果进行分析比较,证明了改进模型的可行性、有效性和精确性。