图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，是实现自动图像分析和模式识别的首要问题，也是图像处理的经典难题之一。
　　文中首先概述静态场景下的图像分割算法，对各类算法进行简单介绍，并对几种经典分割方法进行比较。
　　详细阐述了基于水平集的分割方法。首先对基于水平集的经典算法：测地线主动轮廓(GAC)模型和Chan-Vese模型进行研究，在此基础上，详细描述了SelectiveBinaryandGaussianFilteringRegularizedLevelSetmethod(SBGFRLS)模型。
　　对一些光照不均匀的图像进行分割时，SBGFRLS模型并不能得到有效的分割结果。针对这一局限性，提出了通过提取图像的局部信息的方法，对SBGFRLS模型进行改进，使其适用于这类图像分割。
　　对SBGFRLS模型进行推广，使其适用于多通道彩色图像的分割。建立多水平集方程，对每个通道子图像进行分割，并通过融合通道分割结果得到彩色图像分割结果。
　　研究对动态图像的分割方法。采用提取单帧图像的方法，将动态图像转化为多幅静态图像，并对单幅图像采用SBGFRLS模型进行分割。另外，利用动态图像相邻帧之间的连贯性，在后续的图像中，采用前一帧图像的分割结果作为当前帧的初始轮廓，提高了动态图像分割效率。