计算机断层成像(Computer Tomography,CT)技术利用X射线扫描物体,然后根据获得的投影数据来重建物体的断层图像。在工业上,由于CT技术的无接触性、无损性等优势,被广泛应用到无损检测、无损测量和逆向工程中。图像分割是工业CT(Industrial Computed Tomography,ICT)图像后处理的重要一步,在目标分割和提取的基础上,才能进行目标可视化、尺寸测量等后续操作。经过多年来的发展,图像分割技术日益成熟,其中基于主动轮廓模型的图像分割算法是一种基于偏微分方程的图像分割算法,这类方法在构造模型时同时考虑了图像的灰度信息和图像中目标轮廓的整体信息,加上一定的约束,最终形成一个能量泛函,并运用水平集方法等工具,通过极小化能量泛函来实现图像分割。由于它的分割性能较好,理论基础也较为完善,被广泛应用到医疗和工业上。本文首先介绍了论文的研究背景和意义以及传统的图像分割算法,并着重介绍了基于主动轮廓模型的算法及其研究现状。然后介绍了本文研究所需要的一些基础理论,包括曲线演化理论、水平集方法和变分理论。接着针对工业CT中缺陷分割的问题,研究了一种基于L0平滑和主体定位的水平集图像分割方法,首先在保持图像边界信息的情形下对图像进行平滑预处理,然后运用2D RCV(Robust CV Model)方法定位CT图像的主体区域,最后在PLEACM(p-Laplace Equation based Active Contour Model)方法的基础上,将计算限制在主体区域,实现了主体定位的图像分割。与原始的PLEACM方法相比较,实验结果和误差评估都表明该方法分割效果较好,可以运用到实际的工业CT图像之中。最后,由于二维的RSKM算法(Robust Image Segmentation Using Local Robust and Conrrentropy-based K-means Clustering,结合局部鲁棒统计和基于相关熵的K均值聚类的鲁棒图像分割方法)鲁棒性好,能处理多种类型的图像,本文将二维的RSKM算法推广到三维,并应用到几种不同类型的CT体数据中,获得了较好的结果,且与鲁棒的三维CV算法做了比较。实验表明3D RSKM方法综合性能较好,适用于分割多种类型的实际体数据。