图像分割是图像工程等相关领域的重要研究内容，具有广泛的应用前景，一直吸引着大量学者的关注。本文重点研究了结合视觉显著性的C-V水平集图像自动分割方法，完成的主要工作如下：首先分析比较了现有的较经典的视觉感知模型，详细研究了Itti模型的算法原理及内容，并就其存在的缺点结合本文工作目标做了如下主要改进：在初级视觉特征提取部分引入了图像的纹理特征一致性度量，增强了显著区域的显著度；添加了对图像像素特征的判别，通过图像像素值的大小建立相应的高斯金字塔，及相对应的中央周边差操作；改进了显著图合并策略，减少了图像中的伪注意焦点，以降低后续的工作量；另外由于本文使用的C-V水平集模型为单水平集，只需取得图像的最显著区域轮廓作为初始演化曲线即可，因此取消了原始算法中的禁止返回机制，即图像的预分割结果只需得到图像的最显著区域即可。其次详细研究了C-V水平集模型的算法和工作原理，为降低C-V水平集模型的算法时间复杂度，避免其初始曲线不断重新初始化的问题，在C-V水平集模型中添加了约束项，使水平集函数在演化过程中始终保持为符号距离函数；并且在原始算法中采用拉普拉斯算子作为修正算子，以提高图像分割的精确度。最后使用C-V水平集模型对Itti模型预分割得到的初始轮廓进行曲线演化，完成对图像的最终分割，通过进行相关的实验验证工作，其结果证明了本文所使用的方法不仅适用于含有单目标物体的图像，也同样适用于含有多目标物体图像的分割，与传统的方法相比，本文所使用的图像分割方法无论从精确度还是分割效率上都取得了较好的效果。