图像分割作为图像处理的一个重要分支已取得飞速发展,同时作为一种特殊图像分割技术的错觉轮廓捕捉已引起越来越多人的关注。图像分割是一种重要的图像分析技术,就是把图像分成各具特性区域并提取感兴趣目标的技术和过程。所谓错觉轮廓就是部分由物体实际边界构成而其它部分是由缺失的感知边界组成的,在视觉上是闭合的,但实际上是非闭合的曲线。Kanizsa三角形和正方形就是常见的错觉轮廓图。首先讨论了图像分割的一些重要理论知识,并利用这些理论知识分析并改进错觉轮廓捕捉模型。首先从理论上分析了几个图像分割模型,重点分析了Li C.等人提出的LXDF基于水平集方法的无需重新初始化模型。通过对原模型中引进的边缘检测函数进行修正实现模型的改进,使其能够准确分割带尖角物体的图像,并通过数值试验得以验证。利用前面的图像分割理论,分析两个错觉轮廓捕捉模型,重点分析Zhu W.等人提出的基于曲率信息的错觉轮廓捕捉模型——Zhu-Chan模型。把LXDF模型中的符号距离约束信息引入到该模型中来,得到了改进的Zhu-Chan错觉轮廓捕捉模型。提出先分割后捕捉的理论,解决了Zhu-Chan模型中用Hamilton-Jacobi方程对具有一般灰度的图像预处理失败的问题,扩大了模型的使用范围。最后通过试验验证改进模型的优越性。