随着图像获取技术与传输技术的快速发展，图像处理技术不仅被广泛应用于军事遥感、工业机器视觉、交通监控、指纹识别等领域，而且已经进入到人们的日常生活中，譬如数码照相、文件扫描复印、自动文字识别、医学成像等。图像处理技术内容非常广泛，其中图像分割作为最困难的任务之一，长期以来是学者和工程师的研究热点。依据分割目标，图像分割方法可简单分为单相分割方法和多相分割方法，后者尤其困难，目前主流的分割模型包括Snake模型、基于Level-Set模型以及Mumford-Shah模型等。　　 本文在前人工作的基础上，研究了基于Potts模型的多相图像分割方法，并实现了CUDA加速。该方法首先采用松弛技术将原来非凸的Potts模型转化为凸的Potts模型，然后引入了对偶变量，将图像分割问题转化为鞍点问题。最后，对非光滑模型进行逼近得到便于求解的光滑模型。该方法可以通过预估步和极值步的交互迭代求解，我们使用MATLAB实现了该算法，并在此基础上给出了初值ci的构造方法，分析了权重α及迭代步长δ、光滑因子s等参数的选取对分割结果的影响。针对该方法适合并行计算的特性，结合图像处理器(GPU)的优势，本文基于CUDA平台实现了算法的并行加速。试验结果表明基于CUDA平台的程序较基于MATLAB的程序速度上有非常明显的提升，而且问题规模越大，提速效果越明显。