图像是自然界景物的客观反映,图像处理技术是人类认识世界和改造世界的重要工具。然而,现有的图像捕捉设备仍存在着许多难以解决的技术问题,得到的图像无法获得人们想要的效果。在图像处理和计算机视觉领域中,图像分解技术受到广泛关注,逐渐成为图像处理领域中的重要分支之一。图像分解的目的是分离图像中具有不同特征的成分,即把一个干净图像分成结构（也称为卡通）和纹理两个部分,其中结构部分包含图像主要的几何特征信息,纹理部分包含图像细小的尺度的细节。然而,现有的一些图像分解模型,在处理卡通图像的边缘几何信息时总是有很大的困难。本文针对基于变分模型的图像分解模型存在的一些问题进行研究和改进。论文的主要创新工作如下:（1）现有的部分分解模型用H-1泛函度量震荡函数,但是该泛函在Hodge分解过程中忽略了零散度向量场,从而纹理会丢失一些向量的方向信息。因此,通过分析零散度向量场理论,建立新的带有零散度向量场约束的分解模型。（2）为了保留卡通的边缘特征,用水平集曲率过滤图像的高频成分,以此来扩展基本的TV正则项达到更好的平滑作用,并引用边缘指示函数做加权正则保持图像边缘;此外,为了平衡加权正则与曲率项的关系,设计一个关于梯度的函数来平衡边缘指示函数与曲率项并控制平滑程度。针对本文提出的改进的OSV分解和曲率驱动的卡通纹理分解两个模型,利用了交替方向乘子法求解并分析了算法和数学性质。在实验中将纹理对应的向量场及零散度向量函数的向量信息直观的展示出来并分析其对纹理的影响,分解效果均得到了明显的改善,进而验证新模型的有效性。