图像分割是对图像进行区域划分的处理过程,通常作为一种基础性操作为更高层的图像处理与计算机视觉操作提供准备性工作。近年来,基于活动轮廓模型的图像分割算法凭借其多样的形式、灵活的结构以及优越的性能受到了国内外学者的广泛关注,本文针对这一类图像分割算法进行了较为深入的研究。根据活动轮廓模型轮廓线的表示形式的不同,本文将研究内容分为以下三个部分:首先,研究了基于参数活动轮廓模型的图像分割算法。参数活动轮廓模型采用点集或B-样条曲线来表示模型的轮廓线,具有运算效率高的特点。本文介绍了最为经典的参数活动轮廓模型——Snake模型,及其改进模型——气球Snake模型和GVF Snake模型。通过结合气球Snake模型和GVF Snake模型的优点,提出了GVF-Balloon Snake模型,实验表明该新模型在图像分割中既保持了GVF Snake模型的双向运动的特点,同时,在提取形状比较复杂的目标边界时又具有气球Snake模型优异的性能。其次,研究了基于传统水平集活动轮廓模型的图像分割算法。传统水平集活动轮廓模型采用传统水平集函数的零水平集来表示模型的轮廓线,其中传统水平集函数被设置为关于其零水平集的符号距离函数。传统水平集活动轮廓模型具有自动处理轮廓线拓扑变化的优点。本文介绍了三种经典的传统水平集活动轮廓模型,即几何活动轮廓模型、测地活动轮廓模型和Chan-Vese模型。在此基础上,分别提出了有向测地活动轮廓模型和双重Chan-Vese模型,实验表明这两个改进模型均在一定程度上提高了原始的经典模型在图像分割中的性能。并且,本文还将基于形状的Chan-Vese模型成功地应用于圆形目标的分割,即圆检测。最后,研究了基于二值水平集活动轮廓模型的图像分割算法。二值水平集活动轮廓模型采用二值水平集函数的分界线来表示模型的轮廓线,其中二值水平集函数被设置为仅取1和-1的二值函数。二值水平集活动轮廓模型既可以自动地处理轮廓线的拓扑变化,又具有较高的运算效率。本文介绍了Tai等人提出的基于区域的二值水平集活动轮廓模型。针对Tai等人所提出的模型丧失了曲线演化的渐进性这一缺点,本文提出了一种改进的基于区域的二值水平集活动轮廓模型,该改进模型的轮廓线能够以逐渐演化的方式向目标边界运动,从而保持了传统水平集活动轮廓模型轮廓线的运动方式。并且,在几何活动轮廓模型的框架下,提出一种新的二值水平集活动轮廓模型,该新模型将二值水平集方法的应用从基于区域的图像分割进一步推广到基于边界的图像分割。