活动轮廓模型广泛应用于图像分割和目标轮廓提取，基于边缘的测地活动轮廓（GAC）模型在提取边缘明显的物体时得到广泛的应用，但GAC演化过程中，迭代次数较多，耗时较长。针对这一问题，结合贝塞尔滤波理论，对GAC模型改进。首先，利用贝塞尔滤波对图像进行平滑处理，降低噪声；其次，基于贝塞尔滤波的边缘检测函数，构建新的边缘停止项，且并入到GAC模型中；最后，在构造的模型中同时加入反应扩散（RD）项以避免水平集重新初始化。实验结果表明，与多个基于边缘的模型相比，所提模型在保证分割结果精确度的同时，提高了时间效率，更适用于实际应用。

针对灰度不均匀目标和多灰度强度目标利用主动轮廓难以精确分割的问题，提出了一种基于核自组织映射（KSOM）的有监督主动轮廓算法KSOAC。首先对背景区域和前景区域的先验样本分别利用KSOM进行训练，得到其各自的拓扑映射结构来表征其分布，从而获得突触权值向量；其次提出计算两个网络结构单位像素的平均训练误差，把该误差加入能量函数修正曲线进化过程，并利用前景和背景的面积比得出能量项的控制参数；最后推导出了利用神经元权值向量的有监督主动轮廓能量函数和迭代方程，并采用Matlab 7.11.0对多幅图像进行了仿真验证。仿真结果和数据表明，与自组织映射（SOM）主动轮廓（SOAC）相比，KSOM得到的映射更接近于先验样本的分布，误差更小；KSOAC的准确率、查全率和 F参数均大于0.9，分割结果更接近目标本身；在时间消耗方面与SOAC相差不大。实验结果表明，KSOAC能够提高概率分布未知图像、非均匀图像和多灰度强度目标分割效果，减少目标泄露。