分割是将图像分为多个统一、均匀区域的过程。计算机视觉和图像处理技术均以图像分割为基础，并且图像分割还为多媒体数据编码标准提供了支撑技术，图像分割研究的状况将直接影响这些领域的研究水平。所以，图像分割技术受到越来越多的重视和关注。目前较为流行的图像分割模型是以水平集理论为基础的几何活动轮廓模型。但是，当图像的背景过于复杂或者目标图像被其他物体遮挡，再利用传统几何活动轮廓模型将不会得到理想的分割结果。因此在几何活动轮廓模型中引入先验信息成为解决问题的重要方法，其中先验形状信息的引入较好地改进了分割效果。主成分分析算法在处理样本符号距离函数时采用的是线性形式重构样本，但实际的样本符号距离函数并不都能用线性表示，即样本符号距离函数是非线性的，这将会给正式分割带来弊端与不足，甚至导致最终的分割结果不理想。为了解决基于传统PCA算法的分割模型带来的不足，本文提出了新的基于先验形状的分割模型。本文的主要工作和创新点如下：1.利用核主成分分析（Kernel Principal Component Analysis, KPCA）算法对样本符号距离函数进行降维处理，求得了对应的特征值和特征向量，为形状能量项的表达奠定基础。此算法在一定程度上解决了基于传统PCA算法的分割模型带来的弊端和不足。2.基于核特征空间的理论，建立新的形状能量项，并且融合了图像能量项和形状能量项，新算法中图像能量项为改进的LBF分割模型，而形状能量项是本文提出的新的形状能量泛函。3.提出了新的预分割方法，即在采用总的能量泛函对图像进行分割前对待分割图像进行预分割，具体方法是首先计算样本符号距离函数的样本均值；然后对求解的样本均值进行膨胀运算得到新的样本均值；对新的样本均值进行平移等操作，使其更好地接近目标轮廓，作为分割的初始轮廓，更好、更快地分割图像目标。