图像分割是完成图像处理、分析等任务的基础概念之一,在此同时也被归属于一种计算机视觉技术。自从把分割问题提上来,就一直在推进分割技术的迅猛发展。本文研究的重点是最新发展起来的CV模型,这是在偏微分方程基础上发展起来的一种算法,它是一种在区域特征基础上属于水平集方法的图像分割模型。Chan-Vese(CV)模型是用于图像分割的有前途的活动轮廓模型。CV模型完成分割是应用水平集实现的,由水平集来推动曲线的演变,最终在目标的边界位置上停止演化历程,从而得到分割结果。在深入了解和探索该算法后发现,传统CV模型对初始轮廓线敏感、分割远离轮廓线的目标时效果不理想以及计算量大的问题,为了克服CV模型的局限性,本文提出了几个改良措施,概括如下:(1)确定适合的初始轮廓线,这样CV模型分割就不会受初始轮廓线的约束,分割效果好。(2)把能量惩罚项融入到CV模型内,避免模型再一次的初始化,从而很大程度上减少了水平集的演变时间。(3)提出了一种基于能量最小化策略的新型几何活动轮廓模型,并在新能量中通过引入距离处罚能量函数来对水平集函数进行正则化。最后,将本文的改良算法用实验来验证,并与其它分割算法作对比分析,得出的结论是:本文的改良措施在没有放大软件和硬件的情况下,大大提升了CV模型分割范围的适应性。本文的主要贡献总结为两个方面。一个是基于最小化的新能量函数,另一个是引入合适的初始轮廓。综上所述,本文方法对于缓解分割用时长和分割结果不理想的问题,提供了很好的理论基础与相关参数参考,对未来解决实际分割问题具有重要意义和应用价值。