图像分割在医学图像处理与分析中有着重要的研究意义,也一直是国内外学者研究的热点。近些年来几何活动轮廓模型被广泛的应用于非刚性物体的分割中,与传统的分割算法相比表现出很高的优越性。但是,几何活动轮廓模型本身也存在缺陷,如计算复杂度比较高、图像的弱边缘收敛性比较差等问题。本文的研究可以细分为三个部分:首先针对传统几何活动轮廓模型进行理论分析。其中主要是围绕几何活动轮廓模型的理论基础曲线演化理论、水平集方法以及近些年来提出的水平集方法的快速实现算法进行了总结分析,同时对经典的几何活动轮廓模型进行了研究,归纳得到算法的优缺点并找出算法实现的瓶颈。由对传统理论的研究可以看出紧紧依靠一种分割算法很难取得好的分割效果,因此本文从两个角度出发,提出了两种新的结合传统分割方法的图像分割算法。文中主要针对传统的几何活动轮廓模型在医学图像弱边缘处收敛性差的缺陷进行了研究。首先引入了快速均值漂移算法作为预分割算法,将预分割后得到的边缘信息作为更强的约束,来改进无需重新初始化的水平集方法。通过实验仿真发现算法具有较高的分割准确度。利用区域信息可以使得分割算法对于噪声具有更高的鲁棒性,因此文章从另一个角度出发,将分水岭方法引入到算法中,利用分水岭方法分割得到的区域信息定义区域水平集函数,使得分割算法的运行时间不依赖于图像的大小而是取决于分水岭方法对图像进行预分割后得到的区域数目。实验结果表明该方法对于医学图像有很好的分割结果,而且在一定程度上解决了尺寸大的图像运算复杂度高的问题。