偏微分方程方法与通常的图像处理方法相比,其计算量偏大,但是灵活多样的数值计算方法使偏微分方程在离散化时具有较好的稳定性,而且能够满足高质量图像恢复和精确的图像分割等方面的需要,因而该方法在图像处理领域中越来越受到重视。本文首先对现有的图像分割方法进行了较全面的综述。在介绍过主动活动轮廓模型和水平集方法之后,通过对Chan-Vese模型的分析,提出了两种新的算法:(1)基于Chan-Vese模型的快速自适应图像分割算法。通过分析水平集函数的初始位置与分割速度的关系,指出如果初始位置不好将会影响曲线演化的速度。针对该问题,提出通过优化水平集函数的初始位置来加快其演化速度;(2)基于OCV模型的医学图像分割算法。首先用二维Otsu分割算法将图像分成目标、背景、边缘和噪声等四部分,然后通过一个能量函数来判断边缘和噪声区域中各象素点属于背景还是目标,并利用同质区域的全局信息对初始分割结果进行微调,得到更精确的分割效果。最后,论文指出了进一步的研究方向。