图像分割一直以来是图像处理领域的一个重点与热点，是计算机图像处理领域的一个分支。在生活领域有很大的研究价值和应用价值。参数活动轮廓模型（parametric active contour model，又称snake）是图象分割和视频中目标跟踪的主要方法。活动轮廓模型融合了图像特征和待处理问题的先验知识，并且有高度拓扑能力，使之非常适合于图像的分割和轮廓提取处理。在图像分割中得到了广泛应用。本文首先介绍了课题的研究背景和意义，系统介绍了几种经典的活动轮廓模型的原理和方法，并详细比较了各自的优缺点。重点介绍了基于多目标的图像分割，对现有的多目标分割算法做充分的讲解，分析了多目标分割中的关键步骤。本文的工作是将收缩型参数活动轮廓模型应用到多目标分割中。文章改进了参数活动轮廓的能量函数，在内能中加入了方向系数，制约了轮廓向外以及轮廓切线方向的变形，确保只向轮廓内部收缩、大大减少了相近边自缠绕的几率。重点讲解了轮廓收敛过程中自缠绕问题，对引起自缠绕的不同情况进行介绍，提出了检测和处理方法，介绍了投影法，即以判断轮廓边在X轴与Y轴上的投影是否重叠。再介绍了计算几何中判断平面上两线段是否相交的算法。本文采取计算几何法判断缠绕，使轮廓能够正确的分裂。当轮廓定点均收敛至各目标的边缘后介绍了如何按照目标不规则的形状重采样、把它分离出来，即轮廓采样点如何均匀贴合到目标边缘上。保证了每个目标都有snake包围，演化，最终得到正确的收敛结果。实验结果表明本文方法能准确的把多目标分割出来，方法易于实现，收敛速度快。