图像分割是计算机视觉重点研究领域之一,作为图像后续处理过程中的重要环节具有举足轻重的作用;其中基于参数活动轮廓模型和基于几何活动轮廓模型图像分割方法受到诸多学者的青睐。近年来,随着基于活动轮廓模型图像分割方法研究的不断深入,其应用范围和领域也有了更进一步的扩展。本文对活动轮廓模型在图像分割中的应用算法进行了较为深入的研究,主要研究内容和创新点包括:（1）针对传统Snake模型算法对原始目标图像噪声较为敏感等缺陷问题,本文提出一种基于传统Snake模型算法的改进算法。改进后算法通过对像素点空间域权重和值域权重的权衡来对原始目标图像进行降噪处理,从而达到保边去噪的目的。改进前模型平滑降噪的卷积模板是依据当前点与其邻近点之间距离远近来进行设计,原始目标图像像素点权值随着与噪声点距离的远近发生相应变化,考虑因素相对单一,不能够很好地完成对原始目标图像平滑降噪的处理。实验仿真过程中,通过改进前后的Snake模型对相同原始目标图像物体边缘轮廓的提取效果进行观察和分析,对本文提出的改进Snake模型的准确性和有效性进行了验证。（2）针对传统无重初始化水平集模型算法,本文提出的改进无重初始化水平集模型算法通过双边滤波器的引入,在对原始目标图像物体边缘轮廓进行提取的过程中获得了更加清晰直观的选中物体边缘轮廓图像。改进后的模型在充分考虑到原始目标图像像素空间域和范围域的前提下,完成了对原始目标图像平滑处理,使得经过平滑处理后的图像与原始目标图像整体及局部区域特征最大程度地相吻合,为后续的原始目标图像物体边缘轮廓准确提取奠定了良好的基础。仿真实验结果表明,与传统无重初始化水平集模型分割方法相比较,本文改进方法能够更加准确地对目标图像物体边缘轮廓进行提取,具有更好的边缘轮廓提取效果。