活动轮廓模型具有严谨的数学基础、多样的形式、灵活的结构、优越的性能,被广泛应用于各种图像分割问题,在医疗、军事、工业等领域都取得了显著成果。但是活动轮廓模型还在不断完善的过程中,尚存在鲁棒性差、依赖初始轮廓、运行速度慢等问题,致使图像的分割效果差,其理论框架有待进一步改善,应用范围有待进一步扩展。借鉴于这一点,我们结合水平集模型和聚类方法,提出改进的活动轮廓模型,并对模型的有效性进行验证。主要研究内容包括:局部二值拟合模型的能量函数的拟合仅仅只利用了图像的局部邻域信息,等同于进行了局部均值滤波,于是该模型对受到高斯噪声污染的图像有一定程度的鲁棒性,由于对椒盐噪声而言,均值滤波的功能毫无用处,受噪声影响分割出现误差。针对于此,根据局部二值拟合模型中的局部拟合项的特点,我们采用一个可以避免椒盐噪声作用的中值局部拟合项,它的泛函的最小值取该局部区域的中值,等同于作了中值滤波,从而消除椒盐噪声的作用。为了避免局部二值拟合模型易收敛于局部极值引起分割失败的问题,采用融合距离正则化水平集演化模型的方法,这两种模型相互补充,将边缘信息和区域信息有效的结合,弥足各自的不足,使得算法在保证精度的情况下,又提高了分割速率。LBF模型的核函数的尺度函数是一个固定的任意值,不能实现在不同区域采用不同的尺度。不同点的灰度均匀性不同,因此仅用一个固定尺度的模型来计算不同区域的统计信息是不准确的。针对这一问题我们提出了自适应的高斯核函数,在图像的不同区域,采用不同的尺度参数,使图像的能量差更加明显,提高了斑点噪声图像的分割精度。为了克服局部高斯分布拟合能量模型对初始轮廓的大小和位置的依赖以结合K均值聚类方法,自动获取初始轮廓;同时采用新的核函数,避免原有高斯核的不合适的特性。最后通过实验对这两种算法的性能进行检测,验证本文所提出算法的有效性。实验结果表明,本文采用的方法可以增加局部二值拟合模型对椒盐噪声的鲁棒性和曲线演化的速率;局部高斯分布拟合能量模型可以自主获取初始轮廓,有效地进行目标分割。论文共有图26幅,表7个,参考文献53篇。