医学图像分割是医学图像分析和研究的基础，在众多传统自动分割算法中，基于偏微分方程的几何活动轮廓模型结合了曲线演化理论和水平集理论，适合处理结构复杂的医学图像。水平集分割算法计算稳定，已在图像处理和计算机视觉领域得到广泛应用。本文主要在原有的水平集分割理论的基础上针对MRI医学图像做进一步的探讨和研究。　　本文首先阐述了图像分割的研究现状，从四大类对现有的医学图像分割算法进行了综述。系统阐述了活动轮廓模型中参数形变模型和几何形变模型。结合偏微分方程理论、曲线演化思想和水平集方法对水平集模型进行推导。结合图像分割效果对比分析了当今经典的C-V模型的优缺点。　　水平集分割中最大的问题是容易出现边界泄漏。针对由图像梯度信息提供的边界运动停止策略时容易出现边界泄漏的问题，采用一种基于广义模糊集的水平集模型对MRI眼部图像进行眼部提取。利用广义模糊集算子对图像进行预处理得到广义模糊集边界图。用广义模糊集边界图代替传统的梯度边界图，为水平集演化提供更可靠的边界停止策略，该方法较好的解决了水平集方法在分割模糊图像时出现的边界泄漏问题。在符号距离保持水平集方法基础上进行改进，在符号距离保持水平集模型中的权系数引入图像信息，采用LOG算子来处理图像信息从而达到自动改变符号距离函数的正负号，使得零水平集轮廓曲线能自适应的选择演化方向，这样水平集模型在演化时就不用刻意限定初始位置，从而达到自适应分割的目的。