近三四十年间,随着计算机物联网、计算机视觉、人工智能等新技术快速发展,图像处理技术的重要性也越发的凸显。图像分割作为从图像数据到关键图像数据分析的中间环节和重要过程,一直是图像图形研究中心的研究重点。图像分割问题自提出至今的几十年间,已有数种分割的基本算法以及几十种改进和变型,其中Snake和Mumford-Shah作为主动轮廓模型中曲线演化类别里比较经典的模型在近三十年中被深入研究。在本文中我们针对本课题的研究对象CT图像提出基于主动轮廓模型Mumford-Shah模型的改进算法。在分析了经典的Mumford-Shah模型及相关的改进算法后,我们发现大部分的改进算法都是从模型的初始化策略和能量泛函的最小值求解两个方面入手,因此我们也将从这两个角度对经典的MumfordShah模型进行改进。针对Mumford-Shah模型的初始化策略,我们提出首先通过PCA主成分分析方法对图像数据进行降维处理,对于降维后的图像特征向量,我们使用K-means这种通用的聚类方法作为分割曲线的初始位置算法。对于已经完成以上两个预处理过程的图像数据,我们再使用Mumford-Shah模型进行图像分割。曲线演化模型Mumford-Shah求解图像分割是通过求得其模型的能量泛函最小值,从而获得图像分割的最优结果,因此关于求解MumfordShah模型最小值问题,我们先通过凸松弛技术对模型的能量泛函的离散问题进行优化,再使用Chambolle-Pock对偶算法求解凸松弛后的模型优化问题,最终得到图像分割结果。我们提出的改进算法主要是针对医疗CT图像中的脾进行分割,对于CT图像数据我们将采用局部频谱直方图算法提取图像的局部特征。在用该改进算法和相近相似分割算法进行实验后,我们可以得到结论,我们提出的基于Mumford-Shah模型的改进算法对CT图像的分割有很好的分割结果,并且有很强的鲁棒性。