图像分割是计算机视觉和图像处理领域中的基本技术,分割技术为后续的图像分析奠定了基础。由于图像普遍存在灰度不均、噪声、弱边缘等问题,因此如何对图像进行有效分割一直是图像处理领域的一个难题。主动轮廓模型中的水平集方法由于其数值计算简单,主要利用曲线的曲率和法向量来演化水平集函数,能够很自然的实现物体拓扑结构的变化,因此被广泛的应用于图像分割中。近年来,学者们还将水平集分割模型应用于医学图像的分割。本文主要讨论了水平集分割模型,并将水平集分割应用于眼前节图像与虹膜图像的分割中。主要内容:首先,本文简要介绍了图像分割的研究背景以及水平集图像分割模型,阐述了水平集分割方法的国内外研究现状。其次,详细介绍了曲线演化理论以及CV模型,针对不同对象区域之间强度范围的重合,在强度不均匀情况下很难分割图像这一问题,本文提出一种新的水平集分割方法。在非均匀图像模型的基础上,推导出图像域的最优分割平面,在平面上,提出一种新的基于区域的压力函数,并在水平集公式中定义一个能量泛函,通过对能量泛函最小化,在对非均匀图像分割的同时,对偏置场进行估计。另外,为了准确估计偏置场,针对核函数设计了一种新的自适应尺度参数。最后,在真实图像和人工合成图像上进行仿真实验,实验结果表明该方法在精度、效率和鲁棒性方面有很好的优越性。然后,详细介绍了Hough变换算法,由于传统的基于圆检测的Hough变换对人眼虹膜进行定位时,涉及到三维参数空间,因此存在计算量及时空开销相当大等不足。针对该问题,提出一种利用梯度降低参数空间维数的Hough变换圆检测算法,首先用数学形态学对图像进行预处理,减少噪声及睫毛的干扰,其次采用CV模型根据能量函数参数化取极小值原则,借助图像力作用得到虹膜内圆轮廓,使得定位结果精确,最后利用改进后的Hough变换定位出虹膜外圆轮廓。分别利用高质量和低质量的人眼虹膜图像对改进的算法进行仿真实验,结果表明该方法不仅提高了定位速度,并且定位准确度也有明显提高,相比其他方法对于图像质量的要求也明显降低。最后,将两种方法都与现有的分割方法进行实验对比,结果表明本文算法的分割结果,无论是从主观评价指标,还是客观评价指标都优于其他分割算法。