图像分割在数字图像处理领域一直是一个基础而又重要的问题，也是图像的进一步视觉分析及模式识别的基本前提，而医学图像的分割也是虚拟手术仿真等虚拟现实技术的重要基础。由于人体腹腔内部组织器官复杂，腹腔图像中没有明显的前景和背景区分;各组织器官的影像边缘互相交错，腹腔图像拓扑结构混乱;同时图像中相同组织器官内也存在灰度分布不均匀的情况，这都给分割提取人体腹腔图像中的组织器官区域增加了难度。　　近年来，变分水平集方法已经在图像分割领域中成为一个研究热点，并且在处理图像分割问题中表现出良好的性能。对变分水平集方法在图像分割中的应用作了进一步地扩展和研究，主要针对其在分割提取复杂人体腹腔图像中肝脏器官中的应用进行了有效的改进。提出在水平集模型中融入多幅图像信息，通过在水平集模型中加入先验形状图像信息，使Chan-Vese模型与Li模型分别在先验形状图像和原始图像的外部力作用下驱动活动轮廓，构建出新的可分割人体腹腔图像的先验水平集模型。并且，通过有效改进区域生长法，在分割过程中加入高提升滤波处理，克服了基本的区域生长法在分割灰度不均匀图像时的误分割问题，为提出的水平集模型提供了肝脏先验形状图像的有效获取方法。　　通过实验验证与分析，提出的先验水平集分割模型，能够很好地从人体腹腔图像中分割出肝脏，并且由于结合了先验形状信息，避免了水平集方法固有的初始化问题，在处理连续图像的分割中,更能提高分割效率。