图像分割作为数字图像处理技术的重要组成部分,不仅是图像处理难题分析到解决的必要环节,而且也为图像信息辨识和机器视觉提供了必不可少的准备工作。图像分割在安全信息识别、交通控制系统、卫星图像定位、医学影像等多个领域有着广泛的应用。基于偏微分方程的变分水平集方法日益成熟和完善,该方法的高效性使其逐渐成为图像分割的主流方法之一,并且其在隐式曲面图像分割中的扩展和应用也成为研究的难点和热点。图像分割变分水平集Chung-Vese模型使用一个水平集函数分割多个区域,相较于用数个特征标识函数标记多个区域的传统图像分割方法,只需要求取一个函数的极值,提高了效率,减少了计算量。通过引入内蕴梯度和内蕴散度,本文设计了三维曲面图像分割的Chung-Vese模型,并结合辅助变量构造了相应的交替方向乘子法(ADMM:Alternating Direction Method of Multipliers),通过分析简单的子问题来求解原问题,具有较好的高效性。隐式曲面上的图像处理,与曲面的形状和特性息息相关。传统曲面构建方法结合水平集函数和复杂的隐式方程,难以构建真实山体的等比例模型,而且山体表面的植被会因海拔高度变化而形成不同层次的分布。本文借助遥感图像中的高程数据,通过在三维矩阵中设置中心点、选取平均值、调节比例等操作,构造山体曲面模型,进行分割,不仅可以获得真实山体的整体面积,也可以求得不同层次植被的面积。文末,通过数值实验,验证了该模型的高效性和鲁棒性。