图像分割是图像分析与计算机视觉中一个基本且重要的课题。图像分割的目标是把图像区域分成许多互不相交的子区域，在每个子区域上图像的灰度同质。图像分割的方法很多，基于偏微分方程的活动轮廓模型分割方法成为最有生机、最成功的图像分割方法之一。　　本文研究的Chan-Vese模型是一个著名的基于区域的几何活动轮廓模型，因其对目标物体拓扑结构的变化有较强的适应性，所以得到广泛采用，目前已有许多后续的研究。该模型假定图像由两个平均灰度相差较大的同质区域（目标和背景）组成，利用目标和背景之间的灰度平均值的差别来进行分割。其实质是用二值分片常值函数逼近待分割图像。Chan-Vese模型能较好的改善基于边缘信息模型的边缘泄露、抗噪能力差等问题，但是演化速度太慢，尤其是对目标和背景灰度差较小的图像。此外，它处理直线和尖角的能力也较弱。鉴于此，本文分析了演化速度太慢的原因，并提出了一种结合灰度变换的Chan-Vese模型。在本文模型中，把灰度变换中常用的幂变换和负片变换与Chan-Vese模型进行结合，扩大目标背景灰度差，改变曲线演化的方向，以提高Chan-Vese模型的分割速度和效果。实验表明：该文方案不仅具有一定的处理灰度不均一图像的能力，大大提高了Chan-Vese模型的收敛速度，而且具有较好的处理直线和尖角的能力。