图像处理是计算机视觉的基础,也是图像理解的重要组成部分。随着计算机的发展,图像处理近年来得到极大的重视和长足的发展,已经迅速渗透到人类生活和社会发展的各个方面。图像分割是计算机视觉和图像处理领域当中一个经典和关键的问题,在图像处理中占有重要的位置。随着图像分割在各个领域中得到越来越广泛的应用,传统的线性方法显示出一定的局限性。最近,非线性的方法,尤其是基于偏微分方程的图像分割方法受到人们越来越多地重视。在基于PDE的图像分割方法中,水平集方法是其中十分有用和重要的一种,基于水平集方法的主动轮廓线模型集中体现了基于PDE图像分割方法的优越性。然而,它又存在不足之处,例如传统的水平集方法在模拟图像时用边界内外区域的灰度均值作为水平集系数,这种描述方法对于灰度值变化细微的图像处理效果不好。在本论文中,我们主要研究基于水平集方法的图像分割。在回顾数字图像处理和图像分割的发展历程及研究现状之后,我们介绍了主动轮廓线模型、曲线演化和水平集方法的相关理论。然后,我们提出了一种改进的水平集方法,将水平集方法与数学形态学的分水岭分割方法相结合,改进水平集的参数,使得模型可以分割灰度变化细微并且复杂的图像,能较好的利用图像的全局信息,在图像分割中取得令人满意的结果。最后,我们又提出了一种将水平集方法与区域竞争分割模型相结合的图像分割模型。通过实验结果表明,我们提出的模型是可行的。