近年来基于水平集的图像分割方法受到了越来越多的重视，相比于传统的图像分割方法，该方法具有对初始轮廓线位置不敏感，拓扑适应性强等优点。 本文首先对图像分割的目的、意义进行了简单的概述。并对Mumford-Shah模型、Chan-Vese模型以及J．Lie、M．Lysaker和X-C Tai提出的一种逐段常数水平集方法进行了介绍和分析。 其次，在文献[10]基于Mumford-Shah模型的逐段常数水平集分割方法的基础上，为了提高图像分割效果和运算速度，分析并改进了惩罚项结构，提出了一种IMS(improved Mumford-Shah)分割模型。实验表明模型是可行有效的。 再次，为了消除纹理或噪声对图像分割的影响，在Mumford-Shah模型中引入了图像分解的思想，并结合逐段常数水平集方法，提出了MSWD(Mumford-Shah withDecomposition)分割模型，能够分离出图像中的纹理或噪声，避免了对分割结果带来的影响，且给出了详尽的运算过程，并通过仿真实验证明了模型的有效性和实用性。 最后针对脉冲噪声的特点给出了一种有效的迭代滤波算法。