图像分割是图像处理的重要研究内容之一，基于水平集方法的几何变形模型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，变分水平集方法不仅具备上述水平集方法的特性，更具备了多模型集成方面的能力，正成为图像分割近年研究的热点之一。Chan和Vese提出的基于图像全局信息的C-V模型便是其典型代表。使用该模型进行图像分割时，可以定义初始轮廓线在图像的任意位置，并且可以加上基于图像全局的先验信息，从而使模型具有更强的鲁棒性。本文的研究内容之一是研究了δ函数中的参数的取值对模型的影响。本文的另一研究内容针对在C-V模型基础上的C-T模型进行拓展研究。先在该模型中加入了符号距离函数的约束项，从而避免在迭代过程中对水平集函数进行重新初始化的问题。此外，在模型的能量项上加上一个尺度系数，便于调节能量项的作用。最后把该模型推广到分段常值的多相图像分割中。基于十进制和二进制的转换提出了区域划分的统一表达式，并对该区域表达式进行了证明，基于区域的统一表达式本文建立了分段常值的多相图像分割的统一模型。该表达式的提出使得C-T模型在表达多相图像时更简洁，清晰，并为以后该模型的拓展应用奠定了基础。