图像分割是图像处理中的重要任务之一,在实际生活中也得到了大量的应用。近年来,基于偏微分方程的图像分割方法得到了迅速的发展,是因为其在求解和数值计算等方面的优势,但是目前并没有基于偏微分方程的统一分割方法来对所有类型的图像进行分割。本文主要探索基于活动轮廓模型的遥感图像和医学图像分割方法。对遥感图像分割的主要目的就是“提取”遥感图像中“感兴趣”的有用信息,对如天气、土地、海洋等关键信息加深了解,并根据这些信息对未来的情况进行一些预测;而对医学图像分割的主要目的就是帮助医生对于病人的病灶做出尽可能精确的分割,进而可以对病人的病情能够做出准确的判断,既降低了医生的工作量又给病人的后续治疗提供宝贵的时间。本文首先介绍了图像分割的研究现状,并主要介绍了基于偏微分方程图像分割的相关数学理论;针对传统模型中存在的问题如计算复杂度高,对初始轮廓敏感和分割效率低等问题进行了研究,提出了相应的解决方案。本文的创新性工作表现在以下方面:1、提出了一种基于非下采样轮廓波(Nonsampling Contourlet Transformation,NSCT)系数的活动轮廓模型遥感图像分割算法。首先对NSCT方向子带系数的概率统计特性进行研究,分析了NSCT系数之间的关系以及方向子带的边缘统计特性和联合统计特性,获得了相应的统计结果;在此基础上,建立了一种基于NSCT域的矢量CV图像分割模型。通过NSCT可以考虑图像的细节信息,并结合CV模型的图像区域全局信息作为模型的能量函数,可以获得图像的总体信息,将图像中感兴趣区域或目标分割出来。2、提出了一种结合GAC模型和SBGFRLS(Selective Binary and Gaussian Filtering Regularized Level Set,SBGFRLS)模型的医学图像活动轮廓分割方法。首先,利用权函数将上述模型相结合,所设计的权函数提高了零水平集检验医学图像多层轮廓的可能性,为进一步简化模型中的水平集算法,引入了高斯滤波技术。同时,为了提高所提分割模型的收敛速度,本文引入了Hausdorff距离进行医学图像目标间距离的测定,解决了传统模型对医学图像中凸陷区域分割效果差的问题。本模型提高了医学图像中多目标物体边缘的捕获能力,具有较高的分割精度。图像分割是图像处理中重要的环节,对后续处理工作有很大的作用。本文利用活动轮廓模型分割技术,结合遥感图像和医学图像特性,分别设计基于NSCT系数和Hausdorff距离的遥感图像和医学图像分割算法,使得分割后提取出的目标可用于其它应用领域如遥感图像目标识别、医学图像肿瘤区域定位等。