医学图像作为重要的可视化手段，在临床诊断和治疗、医学教育和培训以及医学研究和交流上都有不可替代的作用。随着计算机软硬件技术的发展，医学图像中的目标识别、分类、分割和跟踪等处理技术也有了长足的进步。这些技术在教育方面能够帮助更快地培养医学人才，在临床上能够提供手术方案规划、辅助诊疗，甚至通过互联网的应用实现远程诊疗等。研究医学图像的处理，能够为实现这些应用提供技术基础。　　本研究主要内容包括：⑴在超声图像预处理上，针对超声图像中的噪声以及伪影和边缘缺失等问题，提出了一种自适应改进曲率扩散各向异性滤波方法。该方法将高斯函数引入改进曲率扩散方程，同时采用统计学的方法使扩散门限自适应。方法继承了改进曲率扩散方法在去除噪声的同时保留细节纹理特征的能力，并减少了滤波过程中的迭代次数，从而提高了算法效率。方法还采用了自适应梯度阈值方法来进一步提高改进曲率扩散方程保留图像细节的能力，减少人工干预，提升去噪效果。⑵针对图像分割时构建点分布模型需要特征点的问题，提出了两种在训练集图像上提取特征点的方法。一种是辅助标注方法，该方法需要首先人工建立一个形状模板，模板由特征点和连接特征点的Centripetal Catmull-Rom曲线构成。将建成的模板映射到待标注图像上，通过手工对形状做刚性和非刚性调整，从而提取特征点。该方法适用于标注形状特征不明显的生物体结构，避免了人工标注因无参照而无法准确定位的问题，显著提高了标注效率。另一种方法是特征点自动提取方法，该方法针对人工标注效率仍旧不高的问题，采用配准方法自动提取特征点。首先根据形状训练集建立平均形状，然后结合形状曲率和弧长信息在平均形状上求取特征点（用户可以指定特征点的数量），最后将带有特征点信息的平均形状通过CPD非刚性配准方法映射到训练集各样本上，从而在各样本上得到位置对应一致的特征点。⑶在超声图像的分割方面，提出一种基于Centripetal Catmull-Rom曲线的多分辨率活动形状模型分割方法并将其应用于经食道超声心动图中左心室分割。该方法在图像金字塔的底层采用快速Log-Gabor特征和Gentle AdaBoost分类器帮助特征点寻找新位置，在图像金字塔的上层提取二维轮廓法线向量并采用马氏距离来寻找新的特征点位置。分割的过程实际上就是迭代地为特征点寻找新位置直至收敛停止的过程。该方法通过多分辨率活动形状模型的采用来降低模型对初始位置的敏感度，进而加快算法速度，而底层采取快速Log-Gabor特征又能提高特征点定位的精度。Centripetal Catmull-Rom曲线表达形状的采用则有利于分割结果的再编辑，方便人机交互。