图像分割是图像分析中的一项基础性工作,其目的是将图像划分为若干个同质的子区域,以提取出感兴趣的目标。图像分割是大多数的图像分析和图像理解工作的前提条件。图像分割方法经历了几十年的研究和发展,各种理论和方法不断被应用于图像分割,其中,活动轮廓线方法近年来受到越来越多的关注,相比其他分割方法,活动轮廓线方法能提供连续且具有亚像素精度的分割结果。另外,水平集理论的应用,使得活动轮廓线方法的实现具有了更大的灵活性和方便性。按照所利用的图像信息不同,活动轮廓线方法主要分为两类,即基于边缘的方法和基于区域的方法。本质上,这两类方法分别利用了图像中的局部信息和全局信息。然而,在实验中我们发现,单纯的利用其中某一类信息都不足以正确地引导轮廓线的演化。因此,在本文中我们尝试将图像的局部信息与全局信息合理地结合起来,表现在活动轮廓线方法中就是在轮廓线的能量函数中动态的结合局部能量和全局能量,从而更合理地引导轮廓线的演化。在本文中,我们首先介绍了图像分割在整个图像工程中的位置和作用,并简单介绍了图像分割发展的历史及各种具有代表性的分割方法；然后,我们重点介绍了活动轮廓线和水平集方法的理论基础,以及基于水平集的活动轮廓线方法的代表方法；最后,在分析了局部信息和全局信息在图像分割中的作用之后,我们给出了我们的分割能量模型,并分析其中各项的意义,以及给出了实现的方法。最后,利用了几幅测试图像,将我们的方法的结果与其他活动轮廓线方法的结果进行了比较,通过实验结果的分析,验证了我们的方法的合理性和有效性。