近年来,随着现代医学图像技术的飞速发展,医学图像处理技术变得越来越重要。特别是,医学图像的精确分割对医生进行病因诊断和分析具有重要意义。然而,由于图像边界模糊、强度不均匀和随机噪声等原因,医学图像中经常出现伪轮廓,导致分割结果的不准确。所以,在本文中,我们提出了三个医学图像分割模型来解决医学图像分割的难题。由于核磁共振图像存在严重的强度不均匀性,给核磁共振图像准确分割造成了困难。并且,核磁共振图像通常包含多个组织,因此建立一种同时分割多个目标的图像分割模型尤为重要。所以,我们将偏磁场、隶属函数和分裂Bregman方法相结合,提出一种改进的活动轮廓模型。其中,缓慢变化的偏磁场是校正图像强度不均匀的关键。通过估计偏磁场,我们不仅可以准确的分割核磁共振图像,而且可以得到强度均匀的校正图像。隶属函数使我们模型能够同时分割多个区域,以及分裂Bregman方法可以减少计算时间和迭代次数,加快我们模型极小化过程。然后,应用我们的模型分割大量核磁共振图像。实验结果表明,对于这些图像,我们的模型可以获得精确的分割和校正结果,并且优于其它模型。医学图像中不仅会存在强度不均匀性,而且还可能存在噪声污染的问题。噪声的存在,使得医学图像会存在伪轮廓,成为医学图像分割的一大难题。针对这个问题,我们提出了一种改进的基于图像全局信息和偏磁场校正的活动轮廓模型,能够准确分割受强度不均匀性和严重噪声干扰的图像。我们分别给出模型的二区能量泛函和多区能量泛函,并给出分裂Bregman方法极小化能量泛函的迭代方法。我们利用计算机仿真,将该模型实际应用于核磁共振图像、超声图像、X射线图像和合成图像的分割与偏磁场校正。实验结果以及与其它模型的比较表明,该模型在分割严重噪声污染的强度不均匀性图像时,有更高的分割精度、运算效率和鲁棒性,且偏磁场校正图像的强度分布更加均匀。考虑到医学图像还存在多组织重叠与背景组成复杂的问题,给医学图像分割造成了困难。现今,图谱或标注在图像分割模型中开始有广泛的应用,它可以被看作预分割结果,为图像分割过程提供先验知识。本文中,我们结合了区域可伸缩拟合能量模型和先验图谱的概念,提出了一种新的图像分割模型。该模型的能量泛函由光滑长度项、目标图像数据项和先验约束项三部分组成,然后应用分裂Bregman方法极小化能量泛函。我们利用该模型分割了大量的医学图像和自然图像,实验结果表明,该模型对初始条件有较强的鲁棒性,能够准确分割强度不均匀且目标边界复杂的图像,而我们引入的先验约束项在改进模型和优化性能方面起了关键的作用。