几何活动轮廓模型以其算法稳定、良好的拓扑自适应性等优点受到图像分割领域学者们的广泛关注，相关的理论也为丰富和发展图像处理方法、推动我国工业信息化进程发挥了十分积极的作用。本文在深入研究和分析现有各类模型特点的基础上，针对各自存在的缺陷相应地提出了一些改进性算法。首先，为克服SLGS模型无法处理灰度不均匀图像的缺陷，结合图像拉普拉斯在目标轮廓内外取值异号的特点，利用图像的拉普拉斯定义符号压力函数，并以此替换GAC模型的边缘停止函数，构建了基于图像拉普拉斯的SLGS模型。实验表明，该模型可以有效地处理灰度不均匀图像，而且在计算效率上较其它同类模型有着明显的优势，特别对细窄目标的分割具有很好的适用性。其次，针对WKVLS方法效率低下的不足，借用描述灰度不均匀图像的常用模型定义了局部邻域拟合图像，进而利用该拟合图像与待分割图像相逼近的方式定义能量函数，构建了局部邻域图像拟合模型。实验充分证明，该模型不仅可以满意地实现对灰度不均匀图像的分割和偏移校正，而且在计算效率上较WKVLS方法有了显著地提高。最后，为提高LIF模型对轮廓初始化的鲁棒性，首先利用图像的全局信息，通过定义全局拟合图像构建了全局图像拟合模型。然后，在充分考虑全局图像拟合模型和LIF模型各自优势的基础上，将全局拟合图像适当地引入到LIF模型的局部拟合图像当中，构建了融入图像全局信息的LIF模型，实验表明，前者可以很好地分割灰度均匀图像，且容许灵活的轮廓初始化。后者有效地降低了LIF模型对初始轮廓的敏感性，同时进一步提高了LIF模型的检测效率。