核磁共振成像(Magnetic Resonance Imaging，MRI)以其无损伤、无痛苦、适合软组织诊断等特点，已被广泛运用于医学图像拍摄，并在临床医学上起着越来越重要的作用。MR图像分割是对MR图像进行分析的基本步骤，也是利用MR图像进行定性、定量分析的一个至关重要的环节。然而在MR医学图像处理与分析中，对目标和病灶的识别、定位及定量分析还主要依赖图像的手动分割。随着MR医学成像在临床应用中越来越广泛，迫切需要利用计算机算法对解剖结构或感兴趣区域进行自动分割描述。分割的准确性对医生判断疾病的真实情况并做出相应的诊断计划至关重要，因此研究自动或半自动分割方法是非常重要的。 目前，活动轮廓模型已经成为医学图像分割的重要工具，其中几何活动轮廓模型因其能够很好的解决曲线演化时的拓扑结构而受到广泛的关注。本文针对这类图像分割方法进行了详细的研究。 首先，介绍了几何活动轮廓模型，分析了曲线演化理论、水平集方法和几何活动轮廓模型的水平集表达，以及介绍了目前国内外学者对水平集快速算法的一些比较成功的改进方法。 其次，传统水平集模型在定义速度时，往往仅使用了图像的边缘信息，这样必然导致在分割具有强噪声或具有弱边界的图像目标时，不能得到真实边界，为此提出了基于区域信息的水平集模型。它首先用形态学方法及其优化方法将图像背景部分去除，减小其对分割结果的影响；其次使用区域统计信息定义速度函数，防止曲线演化时从弱边界泄露，该模型对含有噪声或含有弱边界的图像分割的准确性有了较大的提高。 再次，分析了基于图像全局信息的水平集模型，即CV模型。针对其迭代过程要对所有图像数据反复进行计算，时间效率低，难以实时应用的问题，提出了CV模型的快速算法，它使用符号矩阵区分曲线内外点，用直方图分别统计这两个区域的点的信息，按直方图统计顺序分别改变像素点的符号，再根据曲线能量增减情况修改对应点的符号以及两个区域的均值，最后采取改进的小邻域均值法对结果进行优化，在去除小噪声点的同时保留角点信息。对MR图像进行的分割实验表明，其分割效果更好，速度有大幅度的提高。并将该方法扩展到多相位CV水平集模型中，提出多相位CV模型的快速算法，并应用于人脑MR图像的分割，取得了很好的效果。 最后，针对多相位CV水平集模型在分割含多目标图像时，其求解过程中很难控制多个曲线演化方程的耦合且当目标较多时该方法计算较为复杂的问题，提出一种多目标图像的分割模型，它首先对图像进行预分割得到初始曲线，避免分割结果陷入局部最优，其次对Heaviside函数进行改进，使其能准确的计算均值信息，将其融入到MCV模型中，使其能更准确地分割多目标图像。