图像分割是图像处理的重要研究内容。对图像分割要求为能够准确、有效地提取出目标。分割的质量好坏将直接影响到后续的图像识别和其他应用。
　　 本文首先介绍了常用的图像分割算法,参数活动轮廓模型和几何活动轮廓模型,以及曲线演化理论和水平集方法；然后对几何活动轮廓模型进行了研究,主要做了以下两方面的工作:
　　 一、在研究经典C-V模型的基础上,指出其不足,然后对C-V模型进行改进。在经典C-V模型的能量函数中加入梯度模值平方项,得到了改进的C-V模型。改进的C-V模型不但利用了图像的区域信息还利用了图像的梯度信息,从而可以对复杂图像进行更好的分割。实验结果表明:改进的C-V模型比C-V模型更能准确有效地分割出图像目标区域。
　　 二、在研究GACV模型的基础上,对GACV模型进行改进,在GACV模型中加入了统计学方面的信息,得到基于贝叶斯准则的GACV模型。实验表明:基于贝叶斯准则的GACV模型对彩色图像的分割很有效果。考虑到GACV模型的特性和脑瘤C1图像的特点,提出了基于GACV的人机交互模型,用其来对脑瘤CT图像进行分割。实验表明:基于GACV的人机交互模型可以准确、有效的对脑瘤CT图像进行分割。