图像分割是计算机视觉领域中一个基础而又重要的问题，它为图像、解提供信息支持。本文研究基于主动轮廓模型（ACM：Active Contour Model）的图像分割方法，着重研究梯度矢量流（GVF：Gradient Vector Flow）外力场的改进方法。论文的主要成果有：　　 （1）提出了方向光滑调和梯度矢量流（OSAHGVF：Oriented Smoothness AidedHarmonic Gradient Vector Flow）模型。该模型通过把光流计算中的方向光滑约束引入到调和梯度矢量流模型能量泛函中，解决了调和梯度矢量流模型不能保护图像弱边缘的问题，提高了原模型进入C形凹陷区域的性能，同时保留了原模型抗噪能力强、能够进入深度凹陷区域的优点。　　 （2）提出了图像结构自适应梯度矢量流（ISAGVF：Image Structure Adaptive GradientVector Flow）模型。本文通过将梯度矢量流模型中的平滑约束改写成矩阵形式，解释了平滑约束的各向同性本质，并将图像结构张量引入到矩阵形式的平滑约束中，得到基于结构张量的图像结构自适应梯度矢量流模型。该模型保留了梯度矢量流模型的优势，比如扩大的捕捉范围，同时提高了梯度矢量流在抑制噪声干扰、进入深度凹陷区域方面的性能，解决了梯度矢量流容易产生弱边泄漏的不足。　　 （3）基于Hessian矩阵进一步扩展了ISAGVF模型，利用图像Hessian矩阵重新构造扩散张量并用于ISAGVF模型中。初步实验结果表明，该方法也是有效的。