在膀胱磁共振(Magnetic Resonance, MR)图像中，膀胱壁的准确分割对临床应用和医学研究具有重要意义。膀胱癌是一种发病率和复发率都很高的疾病，早期的检测非常重要。膀胱内外壁之间的厚度的异常增加，可以作为膀胱肿瘤检测的一个重要指标，而衡量膀胱壁厚度的一个最基本且最重要的工作是对内外壁进行准确地分割。目前在临床应用中，通常是医务人员手动地对其分割。但这是一项繁重而且耗时的工作，尤其是随着医学影像技术的发展，需要处理的图像越来越多，只依靠手动分割是不可能完成的。因此，本文研究课题为高精度的计算机自动膀胱壁分割方法。本文针对MR图像的膀胱壁分割的挑战，逐步研究并提出有效的解决方法。首先，针对膀胱MR图像中存在的伪影问题，利用梯度的方向信息提出基于方向性梯度的水平集模型用以区分膀胱内壁和伪影边缘，在一定程度上减少了伪影对内壁分割的影响；针对复杂的外部组织，利用膀胱壁的区域信息构建出耦合水平集模型同时分割内外壁，利用较准确的内壁分割修正外壁分割；并且在耦合水平集模型中加入最小壁厚度的先验知识，防止内外零水平集的重叠或交叉。然后，针对靠近膀胱顶部或底部的层中存在的部分弱边界的问题，本文提出利用上一层的分割结果作为形状先验，并自适应地约束本层的分割，初步解决了水平集在弱边界的泄漏问题。在验证了形状先验对于膀胱壁分割的有效性之后，进一步提出了更为准确的形状先验构建方法，即部分稀疏形状模型，利用部分可靠的轮廓构建出完整可靠的形状先验；并且提出了扇区驱动的水平集模型，更为全面的考虑了不同区域和不同演化阶段对约束力的需求。最后，将本文所提出的部分稀疏形状模型拓展到经典的主动形状模型(Active Shape Model, ASM)中，解决了由于部分弱边界造成的错误搜索的问题，证明了该模型的普适性与有效性。本文的主要创新点：1)提出耦合方向性水平集模型；2)提出自适应形状约束的水平集模型；3)提出部分稀疏形状约束的扇区驱动的水平集模型；4)将部分稀疏形状模型推广到ASM中。我们的方法在15组不同病人的共167层的数据上进行实验，膀胱壁的分割精度达到：内壁的P2C值为1.06±0.28mm，DSC值为0.98±0.01，外壁的P2C值为1.46±0.42mm，DSC值为0.97±0.01，与现有方法对比，证明了本文所提出的方法的有效性与准确性。