图像分割是数字图像处理中的重要环节,它有着承前启后的作用,既是对所有图像预处理效果的一个检验,也是后续进行图像分析与解译的基础。基于水平集的图像分割算法是近年来图像分割研究的一个重要方向,本文首先对图像分割的常用算法进行了总结,然后介绍了水平集方法相关理论,最后对水平集方法在图像分割领域的应用进行重点研究,主要工作如下:首先,利用水平集方法能初步获取较好的目标轮廓的特点和分水岭算法准确的边缘检测能力,提出一种基于水平集和分水岭相结合的改进轮廓检测算法。该算法采用由粗糙到准确的方式,在运用水平集演化初步检测目标轮廓的基础上,进一步运用标记分水岭算法检测准确的轮廓边界。其次,针对自然纹理图像,本章利用概率密度模型描述自然纹理图像的局部统计特征,并通过多尺度滑动窗更好地拟合纹理基元,然后由纹理基元与不同纹理之间的特征相似性获得水平集演化方程的外部能量项,提出一种基于邻域概率密度函数特征集的水平集图像分割方法。实验结果表明,本文方法对自然纹理图像和SAR图像都有较好的分割效果。最后,针对方向性纹理图像,研究了基于灰度共生矩阵特征和平稳小波子带特征的水平集图像分割方法。该方法利用灰度共生矩阵和平稳小波子带特征在不同方面较好地刻画了方向性纹理图像。实验结果表明,该方法对于具有强方向性的纹理图像有较好的分割效果。