图像分割是计算机视觉研究的子领域，是图像分析识别的基础。图像分割效果的好坏对图像处理的其它后续工作有着直接且重要的影响。近些年来在图像分割邻域，基于能量最小化的活动轮廓分割方法得到了国内外学者越来越广泛的研究。在图像分割方面，本文主要研究了几何活动轮廓模型分割方法（也被称为水平集分割方法），并对其进行了有效的改进，克服了其存在的缺点。此外，考虑到嵌入式技术近些年来的广泛应用，我们尝试将所改进的方法在所搭建的嵌入式平台上进行了初步的验证。本文首先分析研究了目前比较著名的水平集分割方法，并对其从两个方面进行了改进。一方面针对Li等人提出的距离正则化水平集分割方法存在对初始曲线位置敏感，和不能够分割强度不均匀的图像的缺点，提出了改进的自适应距离正则化水平集分割方法。所改进的方法对初始曲线不敏感，初始曲线可以部分位于目标图像内另一部分位于目标图像外，而不必像原来方法中初始曲线只能完全位于目标图像内部或者外部，因此更有利于实际应用。同时该方法充分利用了图像的局部信息，因此能够分割强度不均匀图像，而且在分割迭代过程中水平集函数不需要初始化为符号距离函数，大大减少了计算量。另一方面，可以通过改进计算方法减少计算量来提高分割速度。本文引进了稀疏场的方法来提高图像分割的速度，在迭代计算能量函数的过程中就只考虑零水平集函数周围的点。将零水平集函数及其附近的点建立成双链表（doubly-linked-lists），在迭代分割的过程中零水平集函数周围的点可以动态地添加到链表中或者从链表中删除，从而不必计算图像的全部像素点从而极大地减少了在整个迭代过程中的计算量，大大地提高了分割的速度。其次，近些年来嵌入式技术飞速发展，由于其可靠性高、功耗小、成本低等各种优点，在工业生产中得到了广泛的应用。本文在Mini2440开发板上搭建了本文所需的嵌入式系统环境，将文中所改进的方法进行了初步的验证。