在过去的二十年间,主动轮廓模型(Snake模型)作为计算机视觉等领域的一个重要研究方向,吸引了众多研究者的注意。该模型不同于马尔(Marr)的计算视觉理论,它是一种充分利用高层信息的自上而下的处理过程。主动轮廓模型为轮廓提取、立体匹配、目标检测与跟踪等一系列的视觉问题提供了一个统一的理论框架,并已在图像分割、医学图像处理、人机交互等许多领域获得了广泛的应用。但主动轮廓模型依然存在一些不足之处,因此有必要对其继续作深入研究,以提出新的改进模型和算法。本文阐述了主动轮廓模型的基本原理,研究了参数主动轮廓模型和测地主动轮廓模型,对后者作了重点分析。针对传统Snake模型在目标检测与分割时不能处理拓扑结构变化以及不能清晰地反映出演化曲线的内在几何特性,文中给出了一种新的目标检测方法——基于水平集的测地主动轮廓模型。该方法采用测地主动轮廓模型,并结合了水平集方法,即采用水平集函数表示测地主动轮廓模型的曲线演化方程,得到水平集函数演化方程,用来模拟初始曲线沿能量下降最快的方向演化的过程。对基于水平集的测地主动轮廓模型进行研究,进一步将其应用于一些灰度图像的目标检测与分割实验中。实验结果表明,本文给出的这种目标检测方法具有很好的检测效果,对图像中的多个目标进行了有效的分割,获得的结果连续而又稳定,有利于后续分析。并且新模型能清晰地反映出演化曲线的内在几何特性以及具有良好的拓扑变化处理能力,这些特性是以传统Snake模型为代表的目标检测方法所不具有的。