现有的可变区域拟合能量（RSF）模型基于初始轮廓内外灰度值的近似，较好地处理了图像分割中存在的图像灰度不均匀的问题。但当选择不恰当的初始轮廓时，由于RSF模型能量函数的非凸性质，极易陷入局部最小值。为了保证初始化的鲁棒性，提出了一种拟合函数优化的RSF模型。在曲线演化过程中，在演化方向相反的区域增加一个函数来交换曲线内外拟合值，使整条曲线沿物体的同侧边界演化。又将谱图理论引入该模型，使其能对大数据样本聚类且快速收敛至全局最优解。将改进模型应用于医学图像分割，实验结果表明该模型较RSF模型获得了更鲁棒的分割结果和较高的分割效率。