随着医学成像技术的发展,医学图像对临床疾病诊断的重要性越来越大。传统的医学影像诊断主要依靠有经验医生的肉眼观察,存在主观性,且容易造成误诊。如今,医学影像诊断更多的依赖图像处理,特别是手术方案规划及导航系统的研发对医学图像处理提出了更高要求,如人体组织器官的分割,定量分析,配准,三维重建及可视化等,而图像分割又是图像处理中最关键的部分基于曲线演化理论和水平集方法的几何活动轮廓模型将图像本身信息,目标边界特征,初始化,及先验知识等集成在统一的变分框架中,凭借着其在时间,迭代次数,分割精度,鲁棒性,稳定性及抗噪性各方面优势,在医学图像分割领域得到了广泛研究。本文结合具体应用对该类模型进行了研究与改进,主要工作内容如下：(1)详细研究了医学图像成像原理,医学图像特征,图像分割难点和几何活动轮廓模型分割算法的数学理论基础,以及如何将曲线水平集演化理论与图像分割领域相结合；同时重点分析了活动轮廓模型的能量泛函设计过程。(2)重点研究了基于区域的分段常数模型和基于边缘的无需重新初始化模型。其中,针对后者对初始轮廓线设置敏感性的问题,设计了一个内部能量项的可变权系数,改进了一种自适应无重新初始化模型。然后,借鉴参考文献中综合模型的建模思想,综合了区域模型的抗噪性和鲁棒性及自适应无重新初始化模型的时间高效性和对弱边缘图像分割的准确性优势,并结合医学图像的特点,改进了一种基于边缘的全局最优几何活动轮廓模型,实验结果表明该模型对含噪声医学图像分割结果理想,且时间效率大大提高。(3)借鉴于LBF和LRICV局部拟合模型的能量泛函设计的思想,以及图像分割质量都严重依赖于核半径的选取的不足：核半径过大或过小容易导致冗余的轮廓或者漏检潜在的弱边缘,存在主观性。本文改进了一种边缘保持局部拟合模型,通过引入结合空间距离和图像数据信息的测地线函数来定义模型的核函数,能自适应地选择邻域采样点,重新设计了能量泛函。实验结果表明,该模型能够在选取较大的核半径时依然能保留潜在的弱边界,避免了原来的局部拟合模型对核半径的选取问题,提高了演化曲线陷入局部极小,初始设置等鲁棒性问题,对医学图像分割精度更高,时间效率也有所提高。