在图像处理与计算机视觉领域,图像分割是最基础最重要的问题之一。近年来,国内外学者对基于主动轮廓模型的图像分割算法研究比较积极和深入,但现有的主动轮廓分割算法还缺乏普适性,分割精度也有待提高,因此,还需进一步探索研究针对光谱图像进行处理的分割算法。基于此,本文针对几何主动轮廓模型中水平集方程的改进开展相应研究,并将其成功应用于二维单波段红外图像及三维多光谱图像的分割。本文主要提出并研究了两种新型的光谱图像主动轮廓分割模型:(1)自适应的基于多特征的红外图像分割模型。该模型引入自适应权重系数整合全局符号压力函数和基于多种局部特征信息的符号压力函数,以实现水平集方程的改进;局部项利用高斯核函数嵌入多种统计特征信息和纹理信息,能够更加全面地表征图像各类区域。对不同场景下的红外图像进行实验,并与传统的主动轮廓模型以及边缘检测算法进行对比,结果表明:该模型受背景噪声影响小,且能够实现对灰度不均匀、边界模糊和对比度低的红外图像的有效分割。(2)基于空间-光谱信息的多光谱图像分割模型。其核心在于构造一个新型基于空间—光谱信息的符号压力函数。一方面,通过计算比较轮廓内外主成分大小,作为判断轮廓演化方向的准则;另一方面,利用权重系数将距离测度和光谱形状测度综合,作为向相应方向演化时的演化力大小。对AOTF多光谱成像系统采集的多光谱图像进行实验,结果表明:相比于对单一谱段进行处理的传统主动轮廓模型,该模型充分利用丰富的光谱信息,分割精度更高;相比于经典多光谱图像非监督分类算法,该模型不受细节信息干扰,能得到更突出的多光谱图像目标轮廓。