图像分割是计算机视觉与模式识别领域的一个重要研究方向。轮廓的提取在各个方面的作用越来越重要,因此这方面的研究也逐渐增多。主动轮廓模型(Active Contour Model,也称为Snake model)是一种全新的图像分割和目标提取方法,它充分利用高层信息自上而下来提取感兴趣的目标或特性。GVF Snake模型作为传统Snake模型的一个改进,是近年来图像理解领域的一个研究热点。本文首先介绍了图像分割的基本概念,基于其分割原理以及数学模型的不同把图像分割分成两类:基于数据驱动的分割和基于模型驱动的分割。本文研究的GVF Snake属于基于模型驱动的图像分割方法;接着详细分析了传统Snake方法和及其改进模型GVF Snake方法的优缺点;针对GVF Snake需要人工设置初始轮廓线的问题,本文改进OSTU(大津法)产生GVF Snake模型所需的初始轮廓曲线,新生成的初始轮廓曲线往往比较接近目标轮廓,当GVF Snake模型使用此曲线搜索时,往往能更快、更好的分割目标,并且使用OSTU方法实现了分割的自动化;最后,针对GVF Snake模型分割目标费时的特点,本文使用VC++实现整个GVF‐Snake模型,结合Intel最新的并行处理技术,把流水线应用于GVF Snake处理模型,实现了对视频图像的流水线处理,并且生成的GVF‐Snake流水线处理方式充分利用了现在多核多处理器设备的性能,提高了对视频流图像的处理效率,更好的满足了实时性。