红外图像分割是红外图像自动识别技术的重要组成部分，它是将红外图像分割成若干个特定的、具有独特性质的区域并提取出感兴趣目标的技术和过程。近年来，随着计算机技术、数字图像处理技术和红外传感器分辨率的不断提高，红外图像分割的研究已成为军事，医疗，生产等领域内一项十分活跃的课题，具有重要的学术价值和应用前景。　　 本文主要研究基于活动轮廓模型的红外图像分割方法，在分析现有活动轮廓模型分割方法的基础上，深入研究了适用于红外图像的分割方法，并进行了大量仿真实验，对仿真结果进行了分析，验证了所用方法的有效性。　　 首先，结合偏微分方程的数学基础，介绍了基于变分方法的参数活动轮廓模型和基于水平集的几何活动轮廓模型，并将两种模型应用于红外图像的分割中，通过仿真实验验证了两者在红外图像分割中的效果，总结了两者的优缺点。　　 其次，在总结基于边缘和基于区域的变分水平集分割方法基础上，提出了一种改进的融合了边缘信息和区域信息的变分水平集红外图像分割方法，通过对能量函数中边缘能量项和区域能量项权重系数的自适应设置，加快了图像的分割速度，并应用改进的迭代终止条件自动终止迭代，同时该算法不需要重新初始化水平集函数。仿真实验验证了在迭代次数相同的情况下，该方法不仅保持了传统方法的优点，而且改善了分割效果，提高了分割速度。　　 最后，将小波分析与C-V模型相结合，提出了兼顾目标和背景同质性信息的小波多尺度C-V模型，实现对红外噪声图像的分割。首先对红外图像进行小波变换，降低计算的数据量，然后在各尺度能量函数中加入目标和背景同质性信息所占面积的比例关系作为能量系数改进能量函数，最后将粗尺度下低频图像的分割轮廓通过插值作为细尺度下初始轮廓，依次向下重复至原始图像。该算法在对红外噪声图像进行分割时，不须进行去噪等预处理操作，改善了传统C-V模型中耗时大，分割速度慢的缺点，在保证原有方法优点的基础上，具有较强的鲁棒性。