La tecnología de segmentación de imágenes está dedicada a la segmentación de intensidades no homogéneas en la actualidad. En este documento, proponemos un nuevo método que incorpora derivadas de orden variable fraccionarias y energía de ajuste local para construir un nuevo modelo de contorno activo de nivel variacional. Las funciones de energía en este documento incluyen principalmente tres partes: el término local, el término regular y el término de penalización. El término local combinado con derivadas de orden variable fraccionarias puede obtener más detalles de la imagen. El término regular se utiliza para regularizar la longitud del contorno de la imagen. El término de penalización se utiliza para mantener la curva de evolución suave. La tasa de verdaderos positivos (TP), la tasa de falsos positivos (FP), la tasa de precisión (P), el coeficiente de similitud de Jaccard (JSC) y el coeficiente de similitud de Dice (DSC) se emplean como medidas comparativas para los resultados de segmentación. Los resultados experimentales tanto para imágenes sintéticas como reales muestran que nuestro método tiene resultados de segmentación más precisos que otros modelos, y es robusto a las intensidades no homogéneas o ruidos.