在对图像的研究和应用中,图像分割是图像处理的重要研究内容之一。人们往往只对图像的某些部分感兴趣,图象分割的目的是将原始图象划分为一系列有意义的区域或提取图象中感兴趣的区域。本文首先介绍了几种传统的图像分割方法,其次系统研究了水平集方法。基于几何形变模型的水平集方法,将二维(三维)的闭合曲线(曲面)的演化问题转化为高维空间中水平集函数曲面演化的隐含方式来求解,由于其拓扑自适应能力和稳健的数值性态在图像分割等诸多领域得到广泛应用。并详细介绍了GAC模型,Mumford-shah模型的基本理论及其在图像分割领域的应用。本文主要工作如下:首先编程实现了GAC模型和简化的M-S模型(C-V方法),对结果进行分析,指出其缺陷性。其次对C-V方法提出改进方案,将其与GAC模型结合,在考虑图像的同质区域信息的同时考虑图像的梯度信息,实验结果表明该方法可弥补其的不足,既能得到了更优的全局解又降低了计算的时间复杂度。另外提出了C-V双水平集方法,该方法具有理想的区域划分方案,可以分割具有多个不同图像区域的图像。