随着计算机科学技术的快速发展,图像已成为人们传输和获取信息的重要途径。人们往往仅对图像中的某些部分感兴趣,因此需要对图像进行分割,提取人们感兴趣的区域。图像分割是图像分析和图像理解的基础,已广泛应用于医学影像、遥感工程、气象预测、智能交通和国防军事等领域。由于图像本身的质量和内容多样性等问题,图像分割仍然面临着很多困难和挑战,如对存在灰度不均匀性、噪声和复杂背景等图像的分割。水平集方法是一种经典的基于主动轮廓模型的图像分割方法,其可以得到亚像素级精度以及光滑、封闭的轮廓曲线,并能够处理复杂的拓扑变化,已广泛应用到图像分割领域。然而,水平集方法本身仍存在一些需要改进的方面,如对初始轮廓敏感、容易陷入局部极小解和水平集演化速度慢等。本文以水平集理论为基础,针对存在灰度不均匀性、噪声和复杂背景等图像的分割算法展开研究,同时,将水平集分割方法与相关滤波相结合,应用于视频目标跟踪。论文的主要研究内容和成果如下:1.针对灰度不均匀图像分割效率低的问题,提出一种尺度自适应快速水平集图像分割算法。首先,根据灰度不均匀图像模型,提出一种基于区域信息的压力函数,并用来构建一种新的能量泛函。然后,通过最小化能量泛函和快速数值实现方法对灰度不均匀图像进行快速分割和偏移场估计。同时,提出一种新的偏移场初始化方法,提高算法对初始轮廓的鲁棒性。另外,利用图像局部方差设计了一种聚类核函数自适应尺度算子,精确估计图像的偏移场。所提分割算法首先呈现为二相水平集分割形式,然后扩展到多相分割。实验结果表明,该算法能够精确、鲁棒和高效地分割灰度不均匀图像。2.针对灰度严重不均匀图像分割困难的问题,提出一种自适应多层水平集图像分割算法。首先,利用图像的局部方差设计了一种改进的全局自适应尺度算子和一种局部自适应尺度算子,并提出改进的局部强度聚类水平集分割算法。该算法能够正确分割灰度严重不均匀图像,但容易陷入局部极小解。然后,将其扩展为多层水平集形式,利用所设计的两种尺度算子自适应确定层数和各层的尺度参数,构造一个自适应多层水平集结构,并通过双重极小化能量泛函,实现对灰度严重不均匀图像的分割,并能够防止陷入局部极小解。另外,提出一种混合偏移场初始化方法,提高算法的鲁棒性。实验结果表明,该算法能够精确分割灰度严重不均匀的图像。3.针对存在噪声的灰度不均匀图像分割困难的问题,提出一种基于核度量的混合水平集图像分割算法。首先,利用改进的多尺度均值滤波器估计图像的偏移场,对图像进行偏移校正,减轻图像的灰度不均匀性。然后,利用核度量方法分别构建基于局部和全局信息的能量项。另外,将局部相似性度量方法引入能量项中以抑制噪声的影响。并利用一种新的权重函数自适应调整两个能量项的权重系数,构建混合能量泛函。最后,利用计数梯度正则化项进一步减少噪声的影响。实验结果表明,该算法能够精确分割同时存在灰度不均匀性和噪声的图像,并对各类噪声具有较强的鲁棒性。4.针对相关滤波跟踪方法存在的边界效应和目标尺度变化问题,提出一种基于相关滤波和水平集的尺度自适应视频目标跟踪算法。首先,提出一种基于区域和梯度信息的快速水平集分割算法估计目标区域。然后,利用估计的目标区域构建自适应权重空间可靠性图,对相关滤波器进行空间约束,可有效减轻边界效应。同时,利用估计的目标区域构造一系列纵横比可变的候选目标尺度。最后,将相关滤波器响应、直方图响应和尺度变化约束项相结合,估计目标的位置和尺度。实验结果表明,该算法具有良好的跟踪性能。