红外成像系统可全天时工作且在极端条件下的成像优势使其在军事、民用领域的应用日益广泛。作为目标检测、识别和跟踪等技术的基础,红外图像目标分割能够将有用信息从图像中提取出来。红外成像场景复杂多样、目标灰度分布不均匀且存在弱边沿的问题加大了红外图像分割的难度。水平集算法依赖于成熟完备的数学理论,因为易于求解以及可以实现多目标拓扑分割的优点使其在图像分割领域得到广泛应用。但是水平集算法对于初始轮廓的依赖性较强,远离感兴趣目标的初始轮廓会降低图像分割的效率,同时在分割灰度分布不均匀和弱边沿的红外图像时效果并不理想。针对以上问题,对基于模糊聚类的水平集算法中的模糊聚类和边界指示函数进行改进,本文主要工作内容和创新点如下:（1）为了将水平集算法的初始轮廓更精确地设置在目标区域,改进模糊聚类算法并根据其分割结果来设置水平集初始轮廓。根据红外行人图像灰度分布的特点来确定模糊聚类算法的聚类中心和聚类数的个数,根据聚簇结果的最大聚簇中心对应的聚簇隶属度矩阵来自动设置水平集算法的初始轮廓。实验显示这样设置的初始轮廓都位于真实目标内部,对于水平集算法而言是合适的初始轮廓。（2）为了提高水平集算法对于灰度分布不均匀图像的分割精度,根据像素点的局部中值和聚簇中心灰度值的差来构建一个自适应权重系数来调节基于全局和基于局部的水平集图像分割的比重。对比实验结果显示该改进算法对于不同背景下灰度分布不均匀的红外图像的分割精度更高。（3）为了进一步提高水平集算法对于具有模糊弱边沿的红外图像的分割精度,对红外图像目标和背景的灰度值进行调整,并引入图像熵的概念,通过建立改进的边界指示函数将边界信息融入到基于区域的水平集图像分割算法中。对比实验表明该改进算法对于弱边沿的检测能力更强。从主观和客观定量分析的角度可以证明,本文改进的水平集图像分割算法可以自适应设置合适的水平集初始轮廓,在不同背景下,对于灰度分布不均匀和具有弱边沿的红外行人图像有很好的分割效果。