图像分割在数字医学图像处理中占据着举足轻重的地位，分割质量的好坏会直接影响图像后续处理步骤的准确顺利进行，医学中要处理的图像有很多种，如MRI(核磁共振成像)，CT(计算机断层扫描成像)，X线图像等。由于医学图像具有拓扑结构变化复杂的特点，而几何主动轮廓模型方法具有处理该类问题的优势，因此文章采用几何主动轮廓法进行图像分割。然而对于医学图像低对比度，低锐利度，灰度不均匀，存在噪声的特点，初始的几何主动轮廓模型方法的分割结果并不能达到很理想的效果，因此针对模型的一些不足之处进行了改进，主要研究成果如下：在测地线模型(GAC)的基础上进行改进，通过引入局部区域信息量，构造符号压力函数，替换测地线模型中的边界停止函数，通过水平集方法演化得到新模型，由最后分割结果可看出利用了局部区域信息的新模型效果明显优于传统的GAC模型，在速度和准确性上都有了较大提高。由于传统C-V模型利用全局信息，不能处理细微部分的分割，而LBF模型通过高斯核来加权局部区域灰度，初始化不灵活，且易陷入局部极值，本文在两种模型的基础上，构造一种新型的利用局部和全局图像拟合目标能量函数，通过极小化原始图像与拟合图像之间的差值来进行分割，有效解决了上述问题，并使得初始化更具有鲁棒性，实验结果验证了该模型的可行性。