图像分割作为图像处理的重要研究内容之一,其理论和现实意义都不容忽视。人们往往只需要对图像中某些感兴趣的部分进行分析或处理,图像分割技术就是根据图像的强度、纹理、颜色、光流等信息将原始图像划分为一系列有意义的子区域。水平集图像分割方法是一种重要的图像分割方法,它能够自动处理图像拓扑结构的变化,并且能自然地将图像分割从二维拓展到三维。本文对多相图像分割的变分水平集方法进行了深入的研究,并提出了一种新颖的基于水平集函数和区域特征函数的多相图像分割模型。本文工作主要包括以下几个方面:第一,介绍图像分割的传统方法。第二,系统地研究曲线演化理论、水平集方法及其在图像分割领域的应用。第三,提出基于水平集函数和区域特征函数的多相图像分割的统一模型。这一模型充分考虑到区域特征函数在多相图像分割的区域竞争中所起的作用,加入了表达区域特征函数和水平集函数之间关系的逼近项。大量的实验及对比表明,本文提出的图像分割模型在速度和精度上都有超越传统的C-V模型之处,而且对不同的区域竞争策略和图像噪声概率分布,也能取得理想的分割效果。最后,针对实验中出现的问题与存在的缺陷,提出了该工作下一步的研究方向。