基于区域的活动区域模型已经成功应用在图像分割、目标跟踪等领域，较之基于梯度的活动轮廓模型具有很多优点。但是，这些水平集模型在演化过程中，为了保持为符号距离函数，必须对其重新初始化，降低了曲线演化速度，增加了实现复杂度。为了解决重新初始化问题，在测地活动区域模型的能量函数中，加入惩罚项来约束水平集保持为符号距离函数，无需再重新初始化，极大地提高了演化速度。将其运用在纹理图像、脑MR图像分割以及视频跟踪中，实验证明该模型是有效的。