随着人们对海洋探索步伐的加快,水下机器人在深海探测和海洋开发中扮演着越来越重要的角色,计算机视觉系统是水下机器人获取周围环境信息的重要手段之一。然而由于水下成像环境的特殊性,水下图像成像质量较差,传统的图像处理方法已经无法满足应用要求。在这一应用背景下,本文开展了水下图像分割方法的研究。　　主动轮廓模型法是研究人员近几年来使用的较新的图像分割和跟踪方法,该方法从动力学角度研究曲线的演化过程,通过计算得到图像感兴趣区域的连续闭合边界。实践已经证明,它较以往的图像分割方法有较大改进,但是在水下图像处理领域应用极少,并且由于该方法还比较新,本身还存在一些问题,这在一定程度上限制了它在水下图像处理中的应用。针对以上情况,本文在对主动轮廓模型法深入研究的基础上,尝试将其应用于水下图像处理,提出适用于水下图像的分割处理方法。　　本文在目前广泛应用的一种主动轮廓分割模型——梯度矢量流模型(Gradient Vector Flow,GVF)的基础上,对水下图像提出了两阶段分割方法。首先对图像模糊增强后进行阈值判断、边界跟踪,获得一个粗分割图像,然后将得到的粗略轮廓作为主动轮廓模型的初始解对图像中目标轮廓进行定位。本文的主要工作有两个方面:一、论文给出了改进的基于模糊熵的模糊增强方法,用于水下图像的初始分割。二、将改进的模糊增强方法和主动轮廓模型相结合,对模糊增强后的图像提出一种简单有效的边界跟踪算法,实现主动轮廓模型初始轮廓的自动提取。针对计算机生成的图像和实际水下图像进行了仿真实验,验证了本文方法的有效性。