图像分割方法是提取图像中感兴趣目标区域的方法,在图像工程中有着重要的研究意义。几十年来,国内外众多学者和研究人员对图像分割方法进行了深入的研究,发展了许多新的技术,活动轮廓模型就是其中一种。本文系统地研究了活动轮廓模型在图像分割领域的应用,总结了已有方法的优缺点,并在此基础上进行了改进。针对传统参数活动轮廓模型对初始轮廓位置比较敏感,以及对凹陷边界收敛难的问题,受到分形维数检测图像边缘的启发,提出了一种利用分形维数阈值确定初始轮廓的方法。首先,计算出原图像中各区域的分形维数,对不同的感兴趣目标区域选取合适的阈值,标识出分形维数满足该阈值的像素。接着,用B-样条曲线拟合这些像素作为初始轮廓的位置。然后,采用GVF Snakes模型进行目标轮廓的逼近,最终达到正确分割的目的。实验结果表明,使用该方法提取感兴趣目标区域,实现了图像分割的自适应性,不仅比分形检测边缘更精确,还减少了GVF模型的迭代次数,降低了参数调整的困难,在信噪比较低的医学图像中取得了较好的分割效果。