近年来,随着数字图像在医学、交通监控等方面的广泛应用,图像分析成为一个研究热点。图像分割作为图像分析中的一项基础性工作,其目的是将图像划分为若干个同质的子区域,以提取出感兴趣的目标。且图像分割是大多数的图像分析和图像理解工作的前提条件,因此研究有效的图像分割方法具有十分重要的意义。图像分割方法经历了几十年的研究和发展,各种理论和方法不断被应用于图像分割,其中活动轮廓线方法近年来受到越来越多的关注,相比其他分割方法,活动轮廓线方法能提供连续且具有亚像素精度的分割结果。另外,水平集理论的应用,使得活动轮廓线方法的实现具有了更大的灵活性和方便性。因此本文主要基于现有的水平集图像分割方法,提出改进的图像分割方法,主要研究内容如下:(1)现有的经典LBF模型进行图像分割时,对于灰度不均匀的图像而言效果不令人满意且分割效率低,因此首先利用小波变换特性提取出图像的边缘信息,然后在此基础上构造出边缘检测函数,再将此边缘检测函数引入到LBF模型中,得到新的基于小波变换的LBF模型(WLBF模型)。最后选取了测试图片将该方法的分割效果与己有的模型进行比较,实验结果表明模型的准确性与有效性。(2)对于现有的C-V模型,考虑到灰度不均匀图像和含噪声图像的分割难度较大且效果不好,为了充分利用图像的局部信息,提出了结合全局能量和局部能量的新的图像分割模型,同时也将边缘检测函数引入到新模型中。实验结果表明,本文所提出的方法能够应用于多种类型的图像的分割,不仅效率更高,而且更加准确,在处理灰度明显不均匀和含噪声较大的图片时,亦能获得令人满意的分割效果。本文提出了基于小波边缘提取的水平集图像分割方法,并通过实验对新模型的分割效果进行检验,通过对实验结果的分析,验证了本文所提出的方法的有效性。