图像分割是一个基础且重要的图像处理领域研究方向。很多专家学者对其进行了研究并提出了大量基于不同理论的图像分割方法,其中变分水平集的活动轮廓模型由于其坚实的理论基础和好的实验效果,受到广大学者的关注。变分水平集活动轮廓模型通过极小化关于水平集函数的能量泛函实现图像分割,其中的能量泛函主要包含两项:数据保真项和正则化项。很多学者对数据保真项和正则项做了大量的研究,取得了很多有效的成果,但是还是存在很多有待改进的地方,比如对灰度不均图像和噪声图像处理的鲁棒性等问题。为了能够较好地处理灰度不均图像和噪声图像,本文对数据保真项和正则项进行了一些研究改进,其主要内容如下:1.提出了一种基于核度量的局部图像拟合(KLIF)能量的变分水平集模型,用于分割具有噪声和灰度不均的图像。首先,通过极小化基于核度量数据项的能量泛函来获得局部核拟合图像(KLFI)。然后,利用此局部核拟合图像,构建局部图像拟合能量,建立了一个变分水平集模型。此外,在能量中采用了两个正则化项,以在进化过程中使水平集函数保持稳定。最后,采用不动点迭代算法和三步时间分解的梯度下降法分别交替更新局部拟合图像和水平集函数。实验结果表明,提出的模型在对带噪声和灰度不均的图像上有着可靠的表现,能够得到精准的分割结果。此外,与几种经典的变分水平集模型相比,所提出的模型表现出最佳的性能。2.利用余弦函数代替CV模型中的L2-范数作为数据拟合能量项,并结合变系数p-Laplace正则项,提出了一种新的余弦拟合变分水平集活动轮廓模型图像分割模型。首先引入了余弦拟合能量,可以较好地排除噪声的影响,捕捉到物体的边界轮廓。其次,可变指数p-Laplace正则项用于零水平集的正则化,可以使得零水平集随着图像边界的拓扑变化和深陷而移动到精确的对象边界。实验结果表明,改进后的模型可以分割复杂的图像和噪声图像,同时在演化过程中对初始轮廓不敏感。