图像分割在计算机视觉领域不可或缺,它是基础处理,也是一个操作难点。图像分割的目的是将图像划分为多个区域,这些区域具有某些相似特征,可以从中提取感兴趣目标,分割的准确性在很大程度上影响着后续分析、理解等高层处理的准确性。基于偏微分方程的活动轮廓模型已广泛应用于图像分割,由于其既利用了低层的图像数据信息,又结合了高层的目标先验知识,与传统的图像分割方法相比表现出很强的优越性。传统活动轮廓,即Kass提出的snake模型,自1987年以来,得到极大变型、发展和应用,由于其严谨的数学基础、高效的数值方案等数学优势,而成为计算机视觉、图像处理应用领域中最受关注的算法之一。Snake模型演化的曲线是由参数表示,也就是说,在某些意义上是一个曲线拟合的过程。它的实现过程是,通过最小化能量函数,使曲线收敛到目标轮廓处。期望得到光滑、完整地曲线轮廓,以解决传统图像分割算法在最终的分割曲线有中断的问题；虽然这一模型与其它传统方法相比存在优势,但同时其自身仍存在一些缺陷,比如,一是：分曲线参数对分割结果有致命的影响,因此参数选择至关重要,却又难以把握；二是：分割过程中难以处理图像的拓扑变化,并且,由于其力的捕捉范围有限,其初始轮廓只能放在目标附近；三是：snakes模型图像分割过程仅涉及图像边界梯度信息,这导致了算法应用有局限,不能处理目标凹陷部分,同时受到图像外界干扰因素较多,鲁棒性差。针对以上snakes模型的缺点,许多研究者各个击破,从不同的视觉提出了许多改进模型,其中几何活动轮廓及其各种改进型算法得到广泛的应用,但是还是存在一些问题,比如对初始轮廓的位置较敏感,演化速度不够快,速度与分割精度不能兼得等。VFC在snakes模型应用的提出为VFC在图像分割中的应用提供了一个平台,我们将其应用到改进的活动轮廓中得到了很好的分割效果,不论速度还是分割精度都得到了改善。本文在总结图像分割现存的经典算法,以及国内外研究现状,比较各种改进算法的优缺点以及所解决的问题依据的基础上,重点对基于活动轮廓的图像分割算法进行学习研究,并结合矢量场卷积力场对其进行改进：基于改进的VFC外力场的活动轮廓算法研究,重点对其外力场的系数进行改进、调整,达到即能提高速度又能提高分割精度,并且对灰度分布不均匀,噪声干扰等图像都会有较高鲁棒性的分割效果。从而可以广泛应用与真实图像和医学图像中。与灰度图像相比彩色图像在许多领域的应用存在诸多方便,比如,在目标识别、跟踪等。然而,光照的变化一直是影响后续图像处理的一个较关键因素,在本文的最后我们提出一种处理彩色图像光照变化影响的新思路：在合适的彩色空间对彩色图像的不同分量进行灰度的调整,期望在不影响颜色表达的情况下取的较好的去光照变化效果,具有一定的理论研究和实用意义。