在图像处理的研究和应用方面，图像分割是其重要的研究内容。它是指按照一定的原则或需要将一幅图像分为若干个特定的、具有独立特性的部分或子集，并从中提取出感兴趣的目标的过程。对于医学图像而言，由于成像机制等因素的影响，多数图像伴随有噪声、弱边界、灰度不均匀等现象，在目前众多的分割算法中，不管是单纯的传统区域分割算法，还是单纯的边界分割算法，均存在相应的局限性，表现为精度、速度、稳定性及自动化程度等方面相互制约，很难达到一种理想的平衡状态。　　基于水平集的活动轮廓模型的出现，有效地解决了这一难题，该模型融入数学理论框架，将图像分割问题转化为一个能量泛函的最小化问题，通过光滑的轮廓曲线的演化过程来寻找待分割物体的目标边界，逐渐成为医学图像分割领域的研究热点。其中，随着基于水平集方法的几何活动轮廓模型的快速发展，更是极大的扩展了主动轮廓模型的应用空间，克服了传统图像分割方法的很多固有缺陷。因此，本文对几何活动轮廓模型进行了深入的探讨和研究，主要创新点如下:　　(1)针对图像分割过程中，初始轮廓的敏感性问题和对灰度分布不均匀图像的处理问题，本文结合局部二值拟合分割算法（LBF算法）能很好的处理灰度不均匀图像的优点和自适应距离保持水平集演化方法（ADPLS算法）不受初始轮廓影响的特点，提出了一种快速的局部二值拟合优化分割算法，该算法通过利用LBF和ADPLS算法各自的优势特点，弥补了各自不足。实验表明该文改进算法在分割精度、速度及算法稳定性等综合性能指标上明显优于ADPLS和LBF算法。　　(2)为了解决基于局部特性的分割校正模型分割速度慢、对初始轮廓比较敏感的问题，本文在基于局部特性的分割校正模型基础上融入ADPLS算法,结合ADPLS算法分割速度快，不受初始轮廓影响的特性，对分割校正模型进行优化改进。实验表明，改进后的算法在保持分割稳定性的前提下，分割速度明显提升。