目标分割一直是计算机视觉中的关键问题。主动形状模型(ASM)是一种以训练和统计分析为基础的模型分割方法，它在样本的形变模式驱动下迭代地调整模型的形状和拟合目标的边界，具有灵活性、鲁棒性和精确性等优点，对解决日益复杂的分割问题和促进计算机视觉的发展具有重要的意义。 文章从ASM的理论、方法和应用相结合的角度出发，在ASM的算法改进、在遥感中的应用等方面进行了系统的研究，主要研究工作和贡献如下： 介绍了ASM模型的基本原理，阐述了基于灰度级外观模型和多尺度ASM方法，系统介绍了ASM模型的扩展。对ASM的形变模式、迭代搜索、灰度级外观匹配等过程进行了实验和具体深入的剖析。 针对ASM训练集标定的问题，在研究分析了样本形状的形变特性的基础上，提出了变分映射和变分域的概念。结合变分域信息与D-P曲线采样法，提出了一种标记点的自动标定算法，实现了平均形状和样本形状标记点的动态选择。通过标记点的形状表述能力和模型紧致度实验，将基于变分域的自动标定方法与其他方法进行了对比分析。 分析了遥感图像分割的特点和ASM应用于高分辨率遥感图像目标精确分割定位的可行性，通过船舶遥感图像对ASM的分割效果进行了验证设计了一种基于ASM的遥感图像飞机目标的精确分割算法。其中提出了栅格化定位方法实现了感兴趣目标区域的快速定位，同时运用各向异性扩散方法在滤除噪声干扰、平滑背景的同时保留和增强了边缘；在此基础上，对不同型号的飞机样本进行学习建模并统计分析其形变模式，ASM方法获得了对机场区域实际飞机目标的精确分割结果。