图像处理在现实生活中有着极其重要的作用,而图像分割作为图像处理领域的重要研究内容之一,广泛应用于遥感和生物医学图像分析、工业自动化、安保监视,以及军事等方面。图像分割中基于PDE和变分法的图像分割方法对于图像分割的发展起到了巨大的推动作用,但是在该类图像分割方法中,由于大部分图像分割模型的能量泛函均为非凸性,计算求解时较容易陷入局部极小解,因而图像分割结果往往不尽如人意,且运算时间较长。针对这些缺陷,本文根据背景去除模型的思想,并结合区域拟合的方法,提出一种基于区域拟合的背景去除图像分割模型。在对MRI(Magnetic Resonance Imaging)图像以及合成图像等进行处理时,本文所给出的模型不仅能获得良好的分割效果,并且效率较高,而且从实验结果来看,本文中所提出的模型具有一定的鲁棒性。本文的主要工作由如下几个部分组成:第一部分,简单介绍了图像分割的定义及常用的分割方法,着重介绍了基于PDE和变分法的几类经典图像分割模型,并较深入地探讨了这些模型的优缺点。第二部分,着重阐述了应用于求解经典图像分割模型的一种高效算法:Split Bregman算法,并对该算法进行了详细的推导与分析。第三部分,针对经典图像分割模型存在的缺陷,本文根据背景去除模型的思想,并结合区域拟合的方法,提出一种基于区域拟合的背景去除图像分割模型。首先对背景去除模型进行改造;再结合区域拟合的方法对模型进行改进,并对改进模型进行凸优化处理;最后结合水平集和Split Bregman法对改进模型进行快速求解,获得全局最小值解。第四部分,是本文的数值实验分析部分。通过数个对比实验结果说明,相较于ICV(Improved Chan-Vese)模型、LK(Li-Kim)模型及CV(Chan-vese)模型,本文模型能得到更优的分割效果,且在分割效果相似的情况下,本文模型较RSF(Region-Scalable Fitting)模型耗时更短,同时当实验初始化位置不同时,实验亦能取得良好的分割效果。实验结果表明,在对于MRI(Magnetic Resonance Imaging)图像以及合成图像等进行处理时,本文所给出的模型不仅能获得良好的分割效果,并且效率较高,而且具有一定的鲁棒性。