医学图像分割技术是医学图像处理与分析领域的重要课题之一,也是近年来备受研究人员关注的热点问题。由于人体解剖结构的复杂性、组织器官形状的不规则性及个体之间的差异性,一般的分割方法并不能得到理想的分割效果。为了方便临床诊疗以及给病理学研究提供可靠依据,本文提出了基于水平集的遗传算法。本文的遗传算法利用已知的形状和纹理属性来分割手腕骨中指骨区域。在遗传算法的群体中每一个个体都是一个水平集的向量参数。遗传算法通过优化水平集函数参数来产生合适的个体,结合图像纹理信息的适应度函数来完成图像的分割。通过应用和讨论水平集遗传算法在手腕骨指骨CT图像上的分割结果,说明了水平集遗传算法是一种解决医学图像中特定复杂器官组织分割的有效方法。本文算法结合了遗传算法和水平集方法两者各自的优势,不仅保留了水平集方法的较强的拓扑自适应性,而且能够保证算法的优化精度,并对遗传算法的早熟问题进行控制。