图像分割技术用于提取图像中感兴趣的目标,它是图像处理中十分重要的研究内容之一。本文主要研究基于参数活动轮廓模型(Parametric Active Contour Model-Snake model)图像分割、基于几何活动轮廓模型图像分割、多目标图像分割、纹理图像分割和改进的曲率流滤波器的应用等五个方面的内容。对于参数活动轮廓模型,研究区域信息对图像分割的影响。高斯力和气球力等传统的参数活动轮廓模型难以处理弱边界医学图像自动分割问题,在气球力Snake模型基础上,提出最小方差Snake模型,该模型将气球力Snake模型中的恒定气球力修改为包含区域信息的变力,以目标和背景两区域具有最小方差为准则,引导轮廓曲线运动。实验结果表明,该模型对初始轮廓曲线位置不敏感,能实现左侧脑室和小脑脑桥角CT(Computerized Tomography)医学图像的自动分割。几何活动轮廓模型克服了参数活动轮廓模型不能适应拓扑结构变化的缺点。基于区域内一致性加权区域间差异性构造能量函数,利用最陡梯度法使能量函数最小化,提出了一种改进的简化Mumford-Shah(M-S)图像分割模型,该模型利用区域内方差描述区域内一致性,区域间平均灰度值之差的平方描述区域间差异性,实验结果表明,通过调节加权系数,该模型对弱边界图像分割具有较强的适应性。在肿瘤CT医学图像分割实验中,通过比较参数活动轮廓模型与几何活动轮廓模型可知,参数活动轮廓模型计算量小于几何活动轮廓模型计算量,而几何活动轮廓模能适应拓扑结构的变化。将N个多目标分割问题简化为N ?1个两目标分割问题,研究多目标图像分割,改进的简化M-S图像分割模型应用于免疫细胞分割中,能一次性完成将细胞质从细胞核和体液两种不同背景中分割出来的任务,具有计算量小、抗噪声能力强等特点。几何活动轮廓模型与水平集理论相结合的曲线演化方法,是目前广为关注的一种图像分割方法,提出纹理图像的小波-曲线演化分割方法。该方法首先运用二维小波对纹理图像进行分解,将四个小波系数描述纹理特征,并组成四维小波系数特征矢量图,然后采用最大后验概率模型的曲线演化方法,对特征矢量图进行分割和分类,从而获得原纹理图像分割结果。实验结果表明,与小波-FCM模糊聚类纹理图像分割方法相比,该方法对双纹理图像能取得较好的分割效果,分割出的边界连续,并且具有较强的抗噪能力。图像分割之前需要平滑其噪声,曲率流滤波在平滑噪声时,能保留图像边界的主要结构特征,并且曲率流滤波与几何活动轮廓模型的水平集表示形式一致,具有相同的数值解法,本文研究了改进的曲率流滤波器及其三种应用。