电路板红外图像存在着噪声大，芯片发热区域交叉等特点，现有的图像分割算法大多针对可见光图像或医学图像，难以有效的对电路板红外图像进行分割，因此必须对传统的图像分割算法进行优化改进，使其适应电路板红外图像分割提取任务。本文首先介绍了传统的Snake模型，通过对仿真结果的分析，得出传统模型存在着轮廓深度凹陷收敛困难和初始轮廓敏感等问题，然后研究了几种比较热门的改进方法，气球力模型，GVF模型，CV模型，结合电路板红外图像的特点对这几种模型进一步改进，仿真结果表明，改进的算法对传统的Snake模型的缺陷有了明显的改善，但改进的模型还存在着初始轮廓依赖人工选取和多目标提取问题。结合区域增长法，GVF-Snake模型，本文提出一种多目标自适应芯片区域提取算法，能够在无人工参与的情形下对多个芯片区域进行自动提取，算法充分利用了电路板红外图像的发热特性，自适应的选取种子点并生长为初始轮廓曲线，在GVF-Snake模型下使初始轮廓收敛到芯片核心发热区域，完成对芯片区域的提取，仿真结果表明，初始轮廓的选取能够加快轮廓曲线的收敛速度，本文模型能够有效提取多个芯片的发热区域，提取精度高且速度快，有一定的工程价值。另外，本文的算法还是一种可加速的并行算法，在今后的研究中，还可以设计并行算法对运算速度进一步优化，使得算法更具实用性。