图像分割是图像处理中的一项重要技术,是图像分析与理解过程的基础。近几十年来,在众多的图像分割算法中,基于偏微分方程的图像分割算法取得了巨大成功。本文重点研究基于变分水平集方法的区域活动轮廓模型,针对传统区域活动轮廓模型存在的缺陷进行改进,主要研究内容有如下几个方面:(1)图像中经常会出现强度不均匀、强噪声、边缘模糊等情况,针对此类问题,本文提出了一种自适应的基于全局和局部强度信息的高斯拟合能量模型。通过提出的全局和局部均值拟合函数和方差拟合函数构建高斯拟合能量泛函,然后根据拟合函数动态构建全局能量泛函和局部能量泛函之间的权重参数,自适应的将图像中的全局区域信息和局部区域信息进行结合,保证了模型对强度不均匀图像分割的有效性。实验结果表明,新模型克服了传统局部模型的缺点,不仅可以有效分割强度不均匀图像和强噪声图像,并且大大增加了曲线演化速度,减少了分割时间。(2)提出了一种新的基于区域的活动轮廓模型,称为自适应尺度参数的局部强度聚类图像分割模型。传统LIC模型的分割结果严重受尺度参数的影响,针对这一问题,本文利用局部图像熵的特性判断演化曲线内部强度分布情况,提出了一个自适应变化的尺度参数,增加了曲线的演化速度、平滑性和图像分割的精度。此外本文使用一组平滑的多项式基函数的线性组合表示偏移场,这确保了偏移场的平稳变化特性。数值实验和理论分析表明新模型可以在进行图像分割的同时估计偏移场,具有良好的分割效果。(3)为了验证以上新模型的实用性和有效性,本文将其应用于晶体硅光伏电池缺陷检测中,利用图像分割的方法对缺陷图像进行检测。实验结果表明,对于光伏电池缺陷图像的缺陷分割,本文的模型比C-V模型和LIC模型拥有更高的分割准确性和更少的分割时间。对初始轮廓位置不敏感和良好的噪声抗性也是所提模型的优势,因此本文模型在分割精度和时间上更能满足图像对于缺陷检测分割的要求。