图像分割作为图像处理流程中的重要环节之一,主要是利用图像的相关信息,比如灰度、颜色、纹理等对其进行划分,从而形成一个连续区域,提取出目标物体边界的一种行为.随着现代计算机对图像处理技术的大力发展,图像分割技术已经被普遍成熟地应用到医学检测、交通和通信等研究领域,所以对图像分割技术进行深入研究具有很大的实用价值和积极意义.模糊活动轮廓模型是在寻求能量泛函最小值的过程中通过水平集的更新进行曲线演化的图像分割方法,其具有良好的准确性,是当前图像分割中的一个研究分支.本文针对含噪,灰度不一致图像的分割问题,提出以下两个基于区域的模糊活动轮廓图像分割模型.（1）对于含噪图像的分割,本文首先利用变异系数对包含了图像空间信息的局部灰度值进行拟合,得到区域能量泛函,驱使曲线向目标移动.然后结合边缘能量,保持演化曲线的光滑性,使其能精确的停在目标边界.最后,通过求解能量泛函的最小值对伪水平集进行更新.实验结果表明,该模型能够成功地从高噪声、混合噪声、强度不一致的合成图像和真实图像中提取目标,并且结果不受初始轮廓（位置和大小）的影响.（2）为了更多地提取图像的细节信息,本文提出了一种利用全局和局部加权拟合能量驱动的基于区域的区间Ⅱ型模糊活动轮廓模型.首先,将区间Ⅱ型模糊思想引入带有图像局部空间信息优化的模糊能量泛函,并保证分割结果不受初始化的影响.然后,对伪水平集函数进行初始演化,边缘能量进行平滑处理,以精确提取目标边界并保持其距离特征.最后,通过直接计算新旧能量函数之间的差异对伪水平集进行更新.在目标轮廓复杂和含有噪声图像上的实验结果表明,该模型比现有的活动轮廓模型具有更好的性能.