图像分割是图像处理和计算机视觉领域中的基本技术,是大多数图像分析及视觉系统的重要组成部分。石油、天然气等金属管道设备随着使用年限的增加,管道腐蚀现象日益严重,造成壁厚减薄,管道承压能力下降,管道的这些缺陷如不及时发现并做相应的处理可能引发事故,造成不必要的损失,严重时会导致管体局部腐蚀穿孔泄露或破裂事故的发生。总之,在管道的制造及运行等各个阶段都可能产生缺陷,所以很有必要对管道设备进行及早的内壁检测,提取损伤区域的轮廓,以防造成不必要的损失。主动轮廓线模型(即Snake模型)是由Kass等人首次提出的算法,广泛地应用于计算机视觉及图像处理中的各个领域,如边缘检测、图像分割、运动跟踪等,特别应用于图像中感兴趣目标轮廓的提取。主动轮廓线模型引入高层知识,在处理局部间断的边缘时,具有优于传统轮廓提取方法的提取效果。本文首先分析了参数主动轮廓模型的原理和方法,包括参数主动轮廓模型能量最小化公式、物理含义、外力设计及数值实现。并通过实验结果比较了各种外力的性能、优缺点及初始轮廓的设置对收敛结果的影响。接着对GVF Snake模型进行了分析,实验结果表明GVF Snake模型比其他的参数主动轮廓模型如传统的Snake模型和气球力Snake模型具有更大的捕捉域,并能使轮廓线收敛到目标对象的深凹口处,具有较快的收敛速度而且对目标对象不连续的边界不敏感,但是GVF Snake模型也存在一些缺点,如对加权系数μ比较敏感,轮廓线在目标深凹口处的收敛速度不快等,针对这些GVF Snake主动轮廓模型的缺点,实现了一种改进的GVF Snake主动轮廓模型。实验结果表明,改进的GVF Snake模型比GVF Snake模型具有更理想的力场和更快的迭代速度。最后本文应用GVF Snake和改进的GVF Snake算法获得了较好的设备内壁图像分割效果,为标定设备内壁有损部位的几何参数和三维重建损伤区域提供了良好的环境。