在过去的近二十年里，图像分割作为计算机视觉等领域的重要研究方向，吸引了越来越多的研究者的注意。物体轮廓的提取在各个方面所起的作用越来越重要，因此对于这方面的研究方法也越来越多。首先是主动轮廓模型，它是一种充分利用高层信息的自上而下的处理过程。它为轮廓提取、立体匹配和目标跟踪等一系列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、监视和监控等许多领域获得了广泛的应用；接下来是在主动轮廓模型的基础上发展起来的几何算法，最初由Osher和Sethian提出，用于解决遵循热力学方程下火苗外形的变化过程，这是由于火苗外形的高动态性和拓扑结构变化的随意性。因此这种方法对于拓扑结构变化比较复杂的物体轮廓的提取有较大的优越性，现在已经应用于医学领域病变处的诊断。但是这几种模型仍然存在许多问题，因此有必要对它们做深入研究，以提出改进算法。本文首先阐述了主动轮廓模型的基本原理，研究了传统参数化主动轮廓模型能量函数最小化的改进算法。因为主动轮廓模型对凹形物体轮廓提取的效果不好，我们引入了面积能量，并进行了仿真，结果有所改善。接下来，针对传统参数化主动轮廓模型的对轮廓线的初始位置仍然敏感的问题没有解决的问题，我们研究了梯度流量算法(GVF)。虽然这种方法对凹陷物体轮廓的提取也比主动轮廓模型效果要好，但是在对深度凹陷的物体轮廓的提取时效果却不是很好，为此我们将力场扩散方程中梯度矢量流的各分量分别归一化，使曲线上各点受物体边界力场的影响跟它与边界的距离无关，从而克服了GVF模型难以解决的深凹腔问题，同时提出在GVF模型中引入和设置方向矢量的算法，在矢量指定范围内能屏蔽掉不需要的物体力场的影响，从而更加准确地分割出感兴趣的物体。由于snake以及其它基于能量最小化的传统参数型主动轮廓模型和算法都存在几个缺点：1)难于分割拓扑结构比较复杂，有分支和突触的物体；2)三维实现比较困难；3)分割结果对轮廓初始位置比较敏感；4)难以确定合适的迭代终止准则。为此我们又研究了几何模型算法，并在此基础上研究了Mumford-Shah模型，对它进行了改进，对彩色图像和医学图像的轮廓进行了提取，仿真结果表明，改进后的Mumford-Shah模型克服了上述几个问题。实验表明，文中对snake模型、GVF模型和Mumford-Shah模型的改进都取得了明显的效果，但它们各自都有其优缺点，我们应该在不同的场合下，充分利用它们的优点，更好的发挥其应有的性能。