图像分割是图像理解和图像分析的关键步骤,其主要目标是将图像划分为若干个具有相同特征的子区域。图像分割一直是限制高层图像处理发展的瓶颈,近年来,由于基于活动轮廓模型图像分割方法具有严谨的数学理论框架,能解决传统图像分割方法得到的轮廓不连续等缺陷,加上其具有灵活多样的数值方案,基于活动轮廓模型图像分割理论及其应用研究得到图像处理领域相关专家的广泛关注。本文首先对图像分割的发展现状进行了全面综述,并详细介绍了活动轮廓模型的发展历史和研究现状,并在此基础上重点分析了几种著名的活动轮廓模型。通过分析国内外文献,就目前活动轮廓模型研究的难点,本文提出两种新的算法：(1)全局-局部活动轮廓模型。低对比度、灰度不均匀、噪声污染等是图像分割中的经典难点,本文在Chan-Vese(CV)模型和Local Binary Fitting(LBF)模型基础上,分析研究CV模型和LBF模型各自的优缺点,提出一项新的全局惩罚函数,结合CV模型和LBF模型得到一个新的活动轮廓模型,将该新模型应用于仿真图像以及实时图像,实验结果显示该新模型能在低对比度、灰度不均匀、强噪声污染以及纹理图像中准确检测目标。(2)基于先验形状活动轮廓模型肝脏CT图像分割。当分割目标如肝脏有部分信息被遮挡或受到强噪声污染时,可利用前一切片的信息帮助分割后一切片。本文针对肝脏分割的难点以及肝脏CT序列图像具有空间连续性的特点,提出首先采用双阈值处理和形态学滤波等方法得到肝脏初始区域作为先验形状知识,然后提出一种高效的符号距离函数构建方法,将先验形状通过形状比较函数嵌入到活动轮廓模型中,应用该模型分割肝脏序列图像以及肝脏部分被遮挡图像得到较满意的分割结果。