图像分割是图像处理的重要任务之一,其目的是希望将图像中感兴趣的对象与图像中的其余部分相分离,以便为更高层次图像处理服务。图像分割的传统方法有基于区域的图像分割方法,基于边缘的图像分割方法,基于纹理分析的图像分割方法等。近年来,基于偏微分方程的图像分割研究十分活跃,成为图像分割研究领域一项受到广泛关注的技术。本文研究基于偏微分方程的图像分割方法,首先介绍了现有的图像分割方法,并对图像分割的思想、意义和目的进行概述。其次,对基于偏微分方程的Snake模型、Mumford-Shah模型和Chan-Vese模型进行了分析和介绍。详细介绍曲线演化理论、偏微分方程模型的水平集求解以及其数值计算方法。接着,重点讨论了C-V模型分割的优劣点,针对C-V模型对非二值图像和多目标图像分割精确度不高的问题,通过加入基于图像局部方差的能量项,本文对原先C-V模型进行改进,使得改进C-V模型同时利用了图像区域灰度信息和区域方差信息。最后,本文提出一种提高改进C-V模型运行效率方法,经过实验验证,运用该改进方法对于非二值图像和多目标图像有较好的分割效果,而且可以减少迭代次数,缩短分割时间,提高运行效率。