随着现代医学成像技术的发展,医学图像分割技术已广泛的应用于临床病例中,而且具有深入研究的重要性。本文以曲线的变分水平集演化理论为基础,详细介绍了基于图像边缘信息和基于图像区域信息的几何活动轮廓模型,并分析了它们在图像分割中的优点和不足,在深入研究了两类模型的基础上,提出了一种改进的基于图像边缘和区域两类信息的几何活动轮廓模型。笔者分析了基于图像边缘信息的几何活动轮廓模型在图像分割中的优缺点,以测地活动轮廓模型(GAC)和不需重新初始化水平集函数的李纯明模型为代表,它们均能很好的处理曲线拓扑结构的变化,但对噪声比较敏感,在图像的分割结果中,容易出现许多假边缘,而且经过试验分析,测地活动轮廓模型(GAC)的抗噪性更差一些。基于图像区域信息的几何活动轮廓模型(Mumford-Shah模型和Chan-Vese模型),对初始曲线的选取没有特殊要求,抗噪能力强,分割结果较准确,所用时间较短,但对目标的边缘定位不精确。针对上述模型的优缺点,本文研究提出的一种改进的基于图像边缘信息的全局最优几何活动轮廓模型,它结合了上述两类模型的优点,在迭代次数,计算时间上有较好的优势,而且对初始闭合曲线的位置不敏感,能得到较好的图像分割效果,值得笔者深入研究。